Off-Road Autonomy Validation Using Scalable Digital Twin Simulations Within High-Performance Computing Clusters

要約

オフロード環境の予測不可能で動的な性質により、オフロード自律性の検証には独特の課題が生じます。
変動分析のためにパラメーター空間全体を順次スイープすることに重点を置いた従来の方法では、課された時間制約内でオフロード自律システムのパフォーマンスと安全性を包括的に評価するのが困難です。
このペーパーでは、この課題に対処するために、ハイ パフォーマンス コンピューティング (HPC) クラスター内でスケーラブルなデジタル ツイン シミュレーションを活用することを提案します。
HPC クラスターの計算能力を利用することで、私たちのアプローチは、オフロード自律アルゴリズムを検証するためのスケーラブルで効率的な手段を提供し、さまざまな条件下で自律アルゴリズムの迅速な反復とテストを可能にすることを目的としています。
シミュレーションの並列化に関する HPC クラスターのパフォーマンス評価を通じてフレームワークの有効性を実証し、自律スタックの認識、計画、および制御モジュールの潜在的な脆弱性を特定するための候補オフロード自律アルゴリズムの体系的な変動分析を示します。

要約(オリジナル)

Off-road autonomy validation presents unique challenges due to the unpredictable and dynamic nature of off-road environments. Traditional methods focusing on sequentially sweeping across the parameter space for variability analysis struggle to comprehensively assess the performance and safety of off-road autonomous systems within the imposed time constraints. This paper proposes leveraging scalable digital twin simulations within high-performance computing (HPC) clusters to address this challenge. By harnessing the computational power of HPC clusters, our approach aims to provide a scalable and efficient means to validate off-road autonomy algorithms, enabling rapid iteration and testing of autonomy algorithms under various conditions. We demonstrate the effectiveness of our framework through performance evaluations of the HPC cluster in terms of simulation parallelization and present the systematic variability analysis of a candidate off-road autonomy algorithm to identify potential vulnerabilities in the autonomy stack’s perception, planning and control modules.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google