Symbolic Perception Risk in Autonomous Driving

要約

外因性ノイズの存在下での交通標識分類タスクにおける誤認のリスクを評価するための新しいフレームワークを開発します。
解像度が向上し、交通標識までの距離が短くなるためノイズが少なくなるため、視覚入力の品質が徐々に向上する自動運転環境での問題を検討します。
標準的な分類アルゴリズムを使用して得られた推定知覚統計を使用して、不完全な視覚的観察の影響を軽減するために誤認のリスクを定量化することを目指しています。
知覚出力、期待される高レベルのアクション、および潜在的なコストを調査することにより、誤認の条件付きバリュー アット リスク (CVaR) の閉じた形式の表現を示します。
いくつかのケーススタディは、提案された方法論の有効性を裏付けています。

要約(オリジナル)

We develop a novel framework to assess the risk of misperception in a traffic sign classification task in the presence of exogenous noise. We consider the problem in an autonomous driving setting, where visual input quality gradually improves due to improved resolution, and less noise since the distance to traffic signs decreases. Using the estimated perception statistics obtained using the standard classification algorithms, we aim to quantify the risk of misperception to mitigate the effects of imperfect visual observation. By exploring perception outputs, their expected high-level actions, and potential costs, we show the closed-form representation of the conditional value-at-risk (CVaR) of misperception. Several case studies support the effectiveness of our proposed methodology.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google