Safe Perception — A Hierarchical Monitor Approach

要約

私たちの輸送の世界は、ますます高度化する自律性によって急速に変化しています。
しかし、全自動運転車を広く普及させるためには、システム全体の安全性を確保する必要があり、これはまだ課題です。
これは特に、多様な環境条件と道路利用者を処理する必要があり、同時にすべての安全関連オブジェクトを確実に検出する必要がある (つまり、検出ミスが発生しない) AI ベースの認識システムに当てはまります。
しかし、トレーニング データと検証データが限られているため、障害のない動作を証明することはほとんど不可能です。認識システムは、公道で新しい未知の物体や条件にさらされる可能性があるからです。
したがって、AI ベースの認識システムのための新しい安全アプローチが必要です。
このため、この論文では、一次認識システムからオブジェクト リストを検証でき、検出ミスを確実に検出でき、同時に誤警報率が非常に低い、新しい階層的監視アプローチを提案します。

要約(オリジナル)

Our transportation world is rapidly transforming induced by an ever increasing level of autonomy. However, to obtain license of fully automated vehicles for widespread public use, it is necessary to assure safety of the entire system, which is still a challenge. This holds in particular for AI-based perception systems that have to handle a diversity of environmental conditions and road users, and at the same time should robustly detect all safety relevant objects (i.e no detection misses should occur). Yet, limited training and validation data make a proof of fault-free operation hardly achievable, as the perception system might be exposed to new, yet unknown objects or conditions on public roads. Hence, new safety approaches for AI-based perception systems are required. For this reason we propose in this paper a novel hierarchical monitoring approach that is able to validate the object list from a primary perception system, can reliably detect detection misses, and at the same time has a very low false alarm rate.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google