Diagnosing and Predicting Autonomous Vehicle Operational Safety Using Multiple Simulation Modalities and a Virtual Environment

要約

自動運転の分野では技術と性能が向上しても、安全性への懸念は依然として残っています。
車両シミュレーションは、安全上重要な「エッジケース」の開発と発見のための大量の路上テストに伴うコストを克服するツールとして長い間見られてきました。
ただし、純粋にソフトウェアベースの車両モデルでは、動的応答の点で現実世界の車両モデルとの間に大きなリアリズムのギャップが残る可能性があり、物理的な車両の周囲の仮想世界をカプセル化する非常に現実的なビークルインザループ (VIL) シミュレーションでは、
製造には依然としてかなりの費用がかかり、路上テストと同様に時間がかかります。
この作業では、ビークルインザループ (VIL) シミュレーションの現実性とモデルインザループ (MIL) シミュレーションの実装の容易さを組み合わせた AV シミュレーション テスト ベッドを実証します。
この作業で実証されたセットアップにより、VIL シミュレーションの応答診断が可能になります。
私たちの車両の仮想描写を取り囲む仮想天気と照明条件、Openpilot のビジョンベースの知覚モデルとコントローラー、およびテスト中の物理車両の動的応答の間の因果関係を観察することで、知覚環境がどのように認識されるかに関する結論を導き出すことができます。
車両のレスポンスに貢献。
逆に、MIL セットアップの応答予測も示します。この場合、AV パフォーマンスに対する環境条件の影響について、VIL シミュレーションのみで得られるよりも豊富な結論を引き出すために、物理的な車両は必要ありません。
これらを組み合わせることで、コスト効率と時間効率の両方で実装できるエッジケース発見のための正確な現実世界への影響を伴うシミュレーション設定が実現されます。

要約(オリジナル)

Even as technology and performance gains are made in the sphere of automated driving, safety concerns remain. Vehicle simulation has long been seen as a tool to overcome the cost associated with a massive amount of on-road testing for development and discovery of safety critical ‘edge-cases’. However, purely software-based vehicle models may leave a large realism gap between their real-world counterparts in terms of dynamic response, and highly realistic vehicle-in-the-loop (VIL) simulations that encapsulate a virtual world around a physical vehicle may still be quite expensive to produce and similarly time intensive as on-road testing. In this work, we demonstrate an AV simulation test bed that combines the realism of vehicle-in-the-loop (VIL) simulation with the ease of implementation of model-in-the-loop (MIL) simulation. The setup demonstrated in this work allows for response diagnosis for the VIL simulations. By observing causal links between virtual weather and lighting conditions that surround the virtual depiction of our vehicle, the vision-based perception model and controller of Openpilot, and the dynamic response of our physical vehicle under test, we can draw conclusions regarding how the perceived environment contributed to vehicle response. Conversely, we also demonstrate response prediction for the MIL setup, where the need for a physical vehicle is not required to draw richer conclusions around the impact of environmental conditions on AV performance than could be obtained with VIL simulation alone. These combine for a simulation setup with accurate real-world implications for edge-case discovery that is both cost effective and time efficient to implement.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google