Uncertainty-Aware Hybrid Machine Learning in Virtual Sensors for Vehicle Sideslip Angle Estimation

要約

正確な車両状態の推定は、安全で信頼性の高い自律運転のために重要です。
測定可能な状態の数と、オンボード車両センサーシステムが提供する精度は、多くの場合、コストによって制約されます。
たとえば、車両のサイドスリップ角度（VSA）などの臨界量を測定すると、現在の光学センサーを使用して重要な商業的課題をもたらします。
このペーパーでは、高性能仮想センサーの開発に焦点を当てて、積極的な安全性のための車両状態の推定を強化することにより、これらの制限に対処します。
提案された不確実性認識ハイブリッド学習（UAHL）アーキテクチャは、機械学習モデルを車両モーションモデルと統合して、オンボードセンサーデータからVSAを直接推定します。
UAHLアーキテクチャの重要な側面は、個々のモデル推定値とハイブリッド融合の不確実性の定量化に焦点を当てることです。
これらのメカニズムにより、機械学習および車両モーションモデルからの不確実な予測の動的な重み付けが可能になり、正確で信頼性の高いハイブリッドVSA推定値が生成されます。
この作業では、高度な車両動的センサーからの同期測定を含む、実際の車両状態推定データセット（REV-STED）という名前の新しいデータセットも提示されます。
実験結果は、VSA推定のための提案された方法の優れた性能を示しており、UAHLを仮想センサーを進め、自律車両の積極的な安全性を高めるための有望なアーキテクチャとして強調しています。

要約(オリジナル)

Precise vehicle state estimation is crucial for safe and reliable autonomous driving. The number of measurable states and their precision offered by the onboard vehicle sensor system are often constrained by cost. For instance, measuring critical quantities such as the Vehicle Sideslip Angle (VSA) poses significant commercial challenges using current optical sensors. This paper addresses these limitations by focusing on the development of high-performance virtual sensors to enhance vehicle state estimation for active safety. The proposed Uncertainty-Aware Hybrid Learning (UAHL) architecture integrates a machine learning model with vehicle motion models to estimate VSA directly from onboard sensor data. A key aspect of the UAHL architecture is its focus on uncertainty quantification for individual model estimates and hybrid fusion. These mechanisms enable the dynamic weighting of uncertainty-aware predictions from machine learning and vehicle motion models to produce accurate and reliable hybrid VSA estimates. This work also presents a novel dataset named Real-world Vehicle State Estimation Dataset (ReV-StED), comprising synchronized measurements from advanced vehicle dynamic sensors. The experimental results demonstrate the superior performance of the proposed method for VSA estimation, highlighting UAHL as a promising architecture for advancing virtual sensors and enhancing active safety in autonomous vehicles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google