自动驾驶汽车面对物理世界：RSS、可变性、不确定性与安全性证明（扩展版）
机器人学
2019-11-05 v1 机器学习
摘要
责任敏感安全（RSS）模型为最小安全跟车距离等车辆行为提供了可证明的安全性。然而，处理最坏情况的可变性与不确定性可能显著降低车辆通行性，且在某些情况下无法保证安全。深入探究牛顿力学，我们识别出由考虑车辆状态、道路几何与环境参数所引起的复杂性。如果这些参数在避撞机动（如急刹）过程中发生变化，则会出现尤其具有挑战性的情形。作为我们分析的一部分，我们扩展了原始 RSS 跟车距离方程，以考虑涉及制动过程中途潜在碰撞的边界情况。我们还提出了微运行设计域（{\mu}ODD）方法，将运行空间细分以提高通行性。将安全的概率方面限制在 {\mu}ODD 转换中，可在假设系统已转换至该情形正确的 {\mu}ODD 下证明安全性（在可能时）。每个 {\mu}ODD 还可用于编码系统故障响应、利用 advisory 信息（例如来自车对车通信）并为可能的突发情形做准备。
引用
@article{arxiv.1911.01207,
title = {Autonomous Vehicles Meet the Physical World: RSS, Variability, Uncertainty, and Proving Safety (Expanded Version)},
author = {Philip Koopman and Beth Osyk and Jack Weast},
journal= {arXiv preprint arXiv:1911.01207},
year = {2019}
}
备注
Safecomp 2019 expanded version, 22 pages including appendix