Refining Perception Contracts: Case Studies in Vision-based Safe Auto-landing

要約

知覚コントラクトは、知覚に機械学習を使用する制御システムの安全性を評価する方法を提供します。
認識コントラクトは、ML コンポーネントをテストするための仕様であり、エンドツーエンドのシステムレベルの安全要件を証明する方法を提供します。
契約ベースのテストと保証の実現可能性は、比較的単純なダイナミクスを備えた 3 次元システムである直線車線維持のコンテキストで初期に確立されました。
この論文では、多段階の異種混合の ML 対応知覚を使用する 2 つの 6 次元および 12 次元の飛行制御システムの分析について説明します。
この論文は、データを構築するためのアルゴリズムと認識コントラクトの要件に基づく改良 (DaRePC) を導入することにより、方法論を前進させます。
分析の結果、航空機が滑走路に安全に接地し、ドローンが一連のゲートを安全に通過できる状態と環境条件を確立するテスト可能な契約が提供されます。
また、視覚ベースの制御システムの安全性を侵害する可能性のある状況 (地平線の低い太陽など) を検出することもできます。

要約(オリジナル)

Perception contracts provide a method for evaluating safety of control systems that use machine learning for perception. A perception contract is a specification for testing the ML components, and it gives a method for proving end-to-end system-level safety requirements. The feasibility of contract-based testing and assurance was established earlier in the context of straight lane keeping: a 3-dimensional system with relatively simple dynamics. This paper presents the analysis of two 6 and 12-dimensional flight control systems that use multi-stage, heterogeneous, ML-enabled perception. The paper advances methodology by introducing an algorithm for constructing data and requirement guided refinement of perception contracts (DaRePC). The resulting analysis provides testable contracts which establish the state and environment conditions under which an aircraft can safety touchdown on the runway and a drone can safely pass through a sequence of gates. It can also discover conditions (e.g., low-horizon sun) that can possibly violate the safety of the vision-based control system.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google