自动驾驶系统情景数据库的覆盖度指标：基于情景的评估
机器人学
2025-07-31 v2
摘要
自动驾驶系统（ADAS）有潜力为所有人提供安全便捷的出行服务。已提出用于 ADS 类型批准流程的多支柱式安全评估框架（SAF）。SAF 要求 ADS 的测试情景充分覆盖其运营设计域（ODD）。生成测试情景的常用方法是基于从驾驶数据中识别和特征化的情景。本工作针对从驾驶数据中收集情景的两个问题：首先，收集的情景是否覆盖了 ADS ODD 的所有相关方面？其次，收集的情景是否覆盖了驾驶数据中的所有相关方面，以确保不遗漏任何潜在重要情形？本工作提出的覆盖度指标提供了对这些问题的量化答案。通过在来自 10 种不同情景类别的 HighD 数据集中收集超过 20 万 个情景的实验来说明所提出的覆盖度指标。该实验表明，在特定条件下可以实现 100% 的覆盖率，也识别了在未实现 100% 覆盖率时可添加的数据和情景以提高覆盖结果。虽然本工作提出了用于量化驾驶数据和识别情景覆盖度的指标，但本文以未来研究方向为结尾，包括对驾驶数据和识别情景完整性的量化。
引用
@article{arxiv.2409.01139,
title = {Coverage Metrics for a Scenario Database for the Scenario-Based Assessment of Automated Driving Systems},
author = {Erwin de Gelder and Maren Buermann and Olaf Op den Camp},
journal= {arXiv preprint arXiv:2409.01139},
year = {2025}
}
备注
Accepted for the 2024 IEEE International Automated Vehicle Validation (IAVVC 2024) Conference