CommonUppRoad: A Framework of Formal Modelling, Verifying, Learning, and Visualisation of Autonomous Vehicles

要約

機械学習と形式手法（FM）を組み合わせることで、自律走行（AD）車の安全問題を克服する可能性がある。しかし、この組み合わせが実用的で有用なものになるまでには、埋めなければならないギャップがある。FMとADの両分野の研究者を容易にする試みとして、本稿ではCommonRoadとUPPAALという2つのよく知られたツールを組み合わせたフレームワークを提案する。一方では、CommonRoadはUPPAALのモデルの厳密なセマンティクスによって強化され、ADシステムの挙動を系統的かつ包括的に理解することができ、システムの安全性を強化することができる。一方、UPPAALによって合成されたコントローラは、CommonRoadによって実世界の道路ネットワークで可視化することができ、AD車両の設計者がシステム設計に形式モデルを採用することを大いに促進する。本フレームワークでは、CommonRoadとUPPAAL間の自動モデル変換機能を提供します。したがって、ユーザはPythonでプログラミングするだけでよく、バックエンドでフレームワークが形式モデル、学習、検証を行う。我々は、様々なADシナリオにおける我々のフレームワークの適用性を実証するために実験を行い、我々のフレームワークで動作計画を解くことの利点について議論し、スケーラビリティの限界と可能な解決策を示す。

要約(オリジナル)

Combining machine learning and formal methods (FMs) provides a possible solution to overcome the safety issue of autonomous driving (AD) vehicles. However, there are gaps to be bridged before this combination becomes practically applicable and useful. In an attempt to facilitate researchers in both FMs and AD areas, this paper proposes a framework that combines two well-known tools, namely CommonRoad and UPPAAL. On the one hand, CommonRoad can be enhanced by the rigorous semantics of models in UPPAAL, which enables a systematic and comprehensive understanding of the AD system’s behaviour and thus strengthens the safety of the system. On the other hand, controllers synthesised by UPPAAL can be visualised by CommonRoad in real-world road networks, which facilitates AD vehicle designers greatly adopting formal models in system design. In this framework, we provide automatic model conversions between CommonRoad and UPPAAL. Therefore, users only need to program in Python and the framework takes care of the formal models, learning, and verification in the backend. We perform experiments to demonstrate the applicability of our framework in various AD scenarios, discuss the advantages of solving motion planning in our framework, and show the scalability limit and possible solutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL