案例研究：基于神经网络控制器的自动驾驶赛车安全性验证
系统与控制
2019-10-25 v1 机器人学
系统与控制
摘要
本文描述了一个带有神经网络（NN）控制器的自动驾驶赛车的验证案例研究。尽管去年已提出若干验证方法，但它们仅在低维系统或受限环境系统中进行了评估。为探索现有方法的极限，我们提出了一个具有挑战性的基准，其中NN以原始LiDAR测量值作为输入并输出车辆的转向。我们使用两种强化学习算法训练了十几个NN，并表明最先进的验证方法可处理约40条LiDAR射线的系统，远少于典型具有1081条射线的LiDAR扫描。此外，我们进行真实实验以考察验证相对于sim2real差距（即系统建模性能与真实性能之间的差异）的益处与局限。我们识别出与建模环境相似、其中验证与安全行为强相关的情况。最后，我们展示了可用于开发鲁棒且安全的强化学习算法的LiDAR故障模式。
引用
@article{arxiv.1910.11309,
title = {Case Study: Verifying the Safety of an Autonomous Racing Car with a Neural Network Controller},
author = {Radoslav Ivanov and Taylor J. Carpenter and James Weimer and Rajeev Alur and George J. Pappas and Insup Lee},
journal= {arXiv preprint arXiv:1910.11309},
year = {2019}
}