Vehicle-in-Virtual-Environment (VVE) Based Autonomous Driving Function Development and Evaluation Methodology for Vulnerable Road User Safety

要約

モデルインザループ (MIL) やハードウェアインザループ (HIL) シミュレーションなどの自動運転機能を開発および評価する従来の方法は、特に車両モデルの精度と人的要因に大きく依存しています。
脆弱な道路利用者の安全システム。
公道展開中に開発を継続すると、脆弱な人々を含む他の道路利用者が意図せず開発プロセスに参加することになり、安全上のリスク、非効率性、社会の信頼の低下につながります。
これらの欠陥に対処するために、実際の車両と他の複数のアクターを操作することにより、コネクテッド自動運転技術を開発およびテストするための、より安全で効率的かつコスト効率の高いソリューションとして、VVE (Vehicle-in-Virtual-Environment) 手法が提案されました。
脆弱な道路利用者は、同じ非常に現実的な仮想環境に浸りながら、さまざまなテストエリアにいます。
この VVE アプローチは、同じ仮想シナリオ内で現実世界の車両と脆弱な道路利用者の動きを同期させ、安全かつ再現可能な方法で、さまざまな交通状況の安全で現実的なテストを可能にします。
この論文では、自動運転機能を包括的に開発および評価するために、MIL、HIL、および VVE 手法を順次統合する新しいテスト パイプラインを提案します。
このテスト パイプラインの有効性は、脆弱な道路利用者の衝突回避のためのローカル深層強化学習修正を備えた自動運転経路追跡アルゴリズムを使用して実証されます。

要約(オリジナル)

Traditional methods for developing and evaluating autonomous driving functions, such as model-in-the-loop (MIL) and hardware-in-the-loop (HIL) simulations, heavily depend on the accuracy of simulated vehicle models and human factors, especially for vulnerable road user safety systems. Continuation of development during public road deployment forces other road users including vulnerable ones to involuntarily participate in the development process, leading to safety risks, inefficiencies, and a decline in public trust. To address these deficiencies, the Vehicle-in-Virtual-Environment (VVE) method was proposed as a safer, more efficient, and cost-effective solution for developing and testing connected and autonomous driving technologies by operating the real vehicle and multiple other actors like vulnerable road users in different test areas while being immersed within the same highly realistic virtual environment. This VVE approach synchronizes real-world vehicle and vulnerable road user motion within the same virtual scenario, enabling the safe and realistic testing of various traffic situations in a safe and repeatable manner. In this paper, we propose a new testing pipeline that sequentially integrates MIL, HIL, and VVE methods to comprehensively develop and evaluate autonomous driving functions. The effectiveness of this testing pipeline will be demonstrated using an autonomous driving path-tracking algorithm with local deep reinforcement learning modification for vulnerable road user collision avoidance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google