Diffusion Models for Safety Validation of Autonomous Driving Systems

要約

自律駆動システムの安全性の検証は、現実世界のテストのリスクとコストが高いだけでなく、潜在的な障害の希少性と多様性のために非常に困難です。
これらの課題に対処するために、拡散モデルを除去して、初期の交通状態を考慮して自動運転車の潜在的な故障ケースを生成します。
4方向の交差問題の実験は、さまざまなシナリオで、拡散モデルがさまざまな潜在的な障害をキャプチャしながら、現実的な障害サンプルを生成できることを示しています。
私たちのモデルでは、外部トレーニングデータセットを必要とせず、控えめなコンピューティングリソースでトレーニングと推論を実行でき、トラフィック交差点の安全検証に適用可能なテスト中のシステムの事前知識を想定していません。

要約(オリジナル)

Safety validation of autonomous driving systems is extremely challenging due to the high risks and costs of real-world testing as well as the rarity and diversity of potential failures. To address these challenges, we train a denoising diffusion model to generate potential failure cases of an autonomous vehicle given any initial traffic state. Experiments on a four-way intersection problem show that in a variety of scenarios, the diffusion model can generate realistic failure samples while capturing a wide variety of potential failures. Our model does not require any external training dataset, can perform training and inference with modest computing resources, and does not assume any prior knowledge of the system under test, with applicability to safety validation for traffic intersections.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google