从人类驾驶数据中学习可安全验证的自适应巡航控制器
人工智能
2019-10-31 v1 形式语言与自动机理论
机器学习
摘要
模仿学习提供了一种通过从数据中模仿人类行为来自动构建控制器的方法。对于诸如自动驾驶车辆等安全关键系统，使用从数据中学得的控制器可能存在问题，因为其无法保证无碰撞。近来，一种学习多模式混合自动机巡航控制器（MOHA）的方法被提出。除准确性外，该模型的逻辑特性使其适于形式化验证。在本文中，我们使用 SpaceEx 混合模型检验器展示此能力如下。学习后，我们将自动机模型转化为 SpaceEx 所需的约束与方程。随后我们验证纯 MOHA 控制器并非无碰撞。通过基于时间车头时距添加一安全状态——一条人类驾驶员本应遵循的规则——我们确实获得了可证明安全的巡航控制。此外，该安全控制器相较现有巡航控制器仍更具类人特性。
引用
@article{arxiv.1910.13526,
title = {Learning a Safety Verifiable Adaptive Cruise Controller from Human Driving Data},
author = {Qin Lin and Sicco Verwer and John Dolan},
journal= {arXiv preprint arXiv:1910.13526},
year = {2019}
}