When Uncertainty Leads to Unsafety: Empirical Insights into the Role of Uncertainty in Unmanned Aerial Vehicle Safety

要約

障害物の回避やその他の安全機能の最近の発展にもかかわらず、自律的な無人航空機（UAV）は安全課題に直面し続けています。
この作業で一貫性のないまたは不安定な制御信号パターンとその飛行の安全でないことを特徴とするUAVの行動の不確実性との関係を調査した以前の研究はありませんでした。
不確実性を定量化することにより、フライトスーパーバイザーとして機能する安全でないことの予測因子を開発することができます。
オープンソースUAVソフトウェアプラットフォームであるPX4-Autopilotを使用して、安全違反の大規模な経験的調査を実施しました。
障害物の回避に挑戦するために作成された5,000を超えるシミュレートされたフライトのデータセットにより、不確実なUAVの決定と安全違反との関係を調査することができました。安全でないUAV州の最大89％が有意な決定の不確実性を示し、不確実な決定の最大74％が危険な状態につながります。
これらの調査結果に基づいて、スーパーリスト（自律航空車両の監督）を実装しました。自動エンコーダーに基づくランタイムの不確実性検出器である異常検出のための最先端のテクノロジーに基づくランタイムの不確実性検出器を実装しました。
スーパーリストは、最大96％の精度と93％のリコールで不確実な行動を検出する上で高性能を達成しました。
安全でない（最大74％の精度と87％のリコール）を予測するために同じアプローチを使用した場合に観察されたパフォーマンス劣化にもかかわらず、スーパーアイアン主義は、安全でない状態の早期予測を最大50秒まで可能にしました。

要約(オリジナル)

Despite the recent developments in obstacle avoidance and other safety features, autonomous Unmanned Aerial Vehicles (UAVs) continue to face safety challenges. No previous work investigated the relationship between the behavioral uncertainty of a UAV, characterized in this work by inconsistent or erratic control signal patterns, and the unsafety of its flight. By quantifying uncertainty, it is possible to develop a predictor for unsafety, which acts as a flight supervisor. We conducted a large-scale empirical investigation of safety violations using PX4-Autopilot, an open-source UAV software platform. Our dataset of over 5,000 simulated flights, created to challenge obstacle avoidance, allowed us to explore the relation between uncertain UAV decisions and safety violations: up to 89% of unsafe UAV states exhibit significant decision uncertainty, and up to 74% of uncertain decisions lead to unsafe states. Based on these findings, we implemented Superialist (Supervising Autonomous Aerial Vehicles), a runtime uncertainty detector based on autoencoders, the state-of-the-art technology for anomaly detection. Superialist achieved high performance in detecting uncertain behaviors with up to 96% precision and 93% recall. Despite the observed performance degradation when using the same approach for predicting unsafety (up to 74% precision and 87% recall), Superialist enabled early prediction of unsafe states up to 50 seconds in advance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google