On the Simulation of Perception Errors in Autonomous Vehicles

要約

自律走行車 (AV) の仮想テストは、安全性評価に不可欠であることが十分に認識されていますが、AV シミュレーターはまだ活発に開発されています。
特に困難な問題の 1 つは、Sensing and Perception (S&P) サブシステムをシミュレーション ループに効果的に含めることです。
この記事では、知覚エラー モデル (PEM) を定義します。これは、センサー自体をモデル化する必要なく、知覚エラーが AV の安全性に及ぼす影響の分析を可能にする仮想シミュレーション コンポーネントです。
パラメトリックモデリングに向けた一般化されたデータ駆動型の手順を提案し、オープンソースの運転ソフトウェアである Apollo とパブリック AV データセットである nuScenes を使用して評価します。
さらに、オープンソースの車両シミュレータである SVL に PEM を実装しています。
さらに、カメラ、LiDAR、およびカメラと LiDAR のセットアップを評価することにより、PEM ベースの仮想テストの有用性を示します。
私たちの仮想テストは、現在の評価指標の限界を強調しており、提案されたアプローチは、AV の安全性に対する知覚エラーの影響を研究するのに役立ちます。

要約(オリジナル)

Even though virtual testing of Autonomous Vehicles (AVs) has been well recognized as essential for safety assessment, AV simulators are still undergoing active development. One particularly challenging question is to effectively include the Sensing and Perception (S&P) subsystem into the simulation loop. In this article, we define Perception Error Models (PEM), a virtual simulation component that can enable the analysis of the impact of perception errors on AV safety, without the need to model the sensors themselves. We propose a generalized data-driven procedure towards parametric modeling and evaluate it using Apollo, an open-source driving software, and nuScenes, a public AV dataset. Additionally, we implement PEMs in SVL, an open-source vehicle simulator. Furthermore, we demonstrate the usefulness of PEM-based virtual tests, by evaluating camera, LiDAR, and camera-LiDAR setups. Our virtual tests highlight limitations in the current evaluation metrics, and the proposed approach can help study the impact of perception errors on AV safety.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google