一种基于核方法的自动驾驶汽车评估与测试通用方法
机器学习
2017-10-03 v1 机器人学
机器学习
摘要
复杂控制系统的评估与验证对于保证可用性和安全性至关重要。通常，故障发生在极少遇到的情况下，但一旦触发，后果将是灾难性的。加速评估是一种通过智能采样测试用例来高效测试那些极少发生但极其关键的故障的方法。采样所用的分布对该方法的性能起关键作用，但构建合适的分布需要逐案分析。本文提出了一种利用核方法构建采样分布的通用方法。该方法使用统计学习工具来逼近临界事件集，并基于高斯分布的独特性质构建分布。我们将该方法应用于自动驾驶汽车的评估。数值实验表明，所提出的方法能够稳健地识别罕见故障，并显著减少评估时间。
引用
@article{arxiv.1710.00283,
title = {A Versatile Approach to Evaluating and Testing Automated Vehicles based on Kernel Methods},
author = {Zhiyuan Huang and Yaohui Guo and Henry Lam and Ding Zhao},
journal= {arXiv preprint arXiv:1710.00283},
year = {2017}
}