PEM: Perception Error Model for Virtual Testing of Autonomous Vehicles

要約

自動運転車 (AV) の仮想テストは安全性評価に不可欠であると広く認識されていますが、AV シミュレーターは依然として活発に開発されています。
特に難しい問題の 1 つは、Sensing and Perception (S&P) サブシステムをシミュレーション ループに効果的に組み込むことです。
この記事では、センサー自体をモデル化することなく、AV の安全性に対する知覚エラーの影響の分析を可能にする仮想シミュレーション コンポーネントである知覚エラー モデル (PEM) を定義します。
私たちは、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手順を提案し、オープンソースの駆動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 を使用してそれを評価します。
さらに、オープンソースの車両シミュレーターである SVL に PEM を実装します。
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実証します。
私たちの仮想テストは現在の評価指標の限界を浮き彫りにしており、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