用于自动驾驶系统评估的模型预测瞬时安全性度量
机器人学
2020-05-21 v1
摘要
配备自动驾驶系统（ADS）的车辆在一个具有多智能体交互的高维连续系统中运行。该连续系统的特点是存在由连续运动常微分方程（差速驱动）支配的各类交通智能体（非同质）。每个智能体独立决策，可能与其主体车辆（SV）以及其他参与者（非合作）产生冲突。典型的车辆安全性评估流程利用各种安全关键场景并观察由此产生的碰撞（或近碰撞），不足以评估 ADS 在运行安全状态维持方面的性能。本文提出一种模型预测瞬时安全性度量（MPrISM），针对给定交通快照考虑最坏情况安全场景，判定 SV 的安全状态。该方法进而分析 SV 在特定评估时间段内接近潜在碰撞的程度。所述度量在标准假设下给出了关于碰撞时间的理论安全性保证。通过将求解表述为一系列特定结构的最小最大二次优化问题，该方法可应用于实时安全评估。通过合成示例及真实世界测试案例展示了其能力。
引用
@article{arxiv.2005.09999,
title = {Model Predictive Instantaneous Safety Metric for Evaluation of Automated Driving Systems},
author = {Bowen Weng and Sughosh J. Rao and Eeshan Deosthale and Scott Schnelle and Frank Barickman},
journal= {arXiv preprint arXiv:2005.09999},
year = {2020}
}
备注
Accepted at IEEE Intelligent Vehicles Symposium (IV), 2020