A Driver-Vehicle Model for ADS Scenario-based Testing

要約

自動運転システム (ADS) のシナリオベースのテストでは、他の車両との相互作用に依存する交通シナリオをシミュレートできなければなりません。
高レベルのシナリオ モデリング用の言語が多数提案されていますが、これらの言語には、必要なマイクロ シミュレーションを正確かつ確実に制御すると同時に、幅広い対話型シナリオの動作の再利用とテストの再現性をサポートする機能が欠けています。
シナリオ設計と実行の間のこのギャップを埋めるために、シナリオ設計とテスターが設定した目標によって動作が制約される動的エンティティとして車両を表現およびシミュレートするシミュレートされたドライバー-車両 (SDV) モデルを提案します。
このモデルは、ドライバーと車両を単一の実体として結合します。
これは人間のような運転と実際の車両の機械的制限に基づいており、現実的なシミュレーションを実現します。
このモデルはビヘイビア ツリーを活用して、下位レベルの操作に関して高レベルの動作を表現し、複数の運転スタイルと再利用を可能にします。
さらに、最適化ベースの操縦プランナーが、シミュレートされた車両を望ましい挙動に向けてガイドします。
私たちの広範な評価により、NHTSA 衝突前シナリオを使用したモデルの設計の有効性、自然主義的な都市交通と比較したその動きのリアリズム、および交通密度に応じたスケーラビリティが示されています。
最後に、実際の ADS をテストし、事前定義された車両軌道を使用して表現するのは現実的ではない衝突シナリオを特定するための SDV モデルの適用可能性を示します。
SDV モデル インスタンスは、協調シミュレーションを通じて既存のシミュレーション環境に注入できます。

要約(オリジナル)

Scenario-based testing for automated driving systems (ADS) must be able to simulate traffic scenarios that rely on interactions with other vehicles. Although many languages for high-level scenario modelling have been proposed, they lack the features to precisely and reliably control the required micro-simulation, while also supporting behavior reuse and test reproducibility for a wide range of interactive scenarios. To fill this gap between scenario design and execution, we propose the Simulated Driver-Vehicle (SDV) model to represent and simulate vehicles as dynamic entities with their behavior being constrained by scenario design and goals set by testers. The model combines driver and vehicle as a single entity. It is based on human-like driving and the mechanical limitations of real vehicles for realistic simulation. The model leverages behavior trees to express high-level behaviors in terms of lower-level maneuvers, affording multiple driving styles and reuse. Furthermore, optimization-based maneuver planners guide the simulated vehicles towards the desired behavior. Our extensive evaluation shows the model’s design effectiveness using NHTSA pre-crash scenarios, its motion realism in comparison to naturalistic urban traffic, and its scalability with traffic density. Finally, we show the applicability of our SDV model to test a real ADS and to identify crash scenarios, which are impractical to represent using predefined vehicle trajectories. The SDV model instances can be injected into existing simulation environments via co-simulation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google