自动驾驶训练系统的量化风险指标
机器人学
2022-03-08 v2 系统与控制
系统与控制
摘要
自动驾驶车辆(AV)的发展提供了拯救和改善生命的机会。然而，实现 SAE 5 级(完全)自动驾驶需要克服许多技术挑战。现有文献在自动驾驶系统安全性度量方面存在空白。度量和风险对于生成用于自动驾驶系统训练和验证的有效仿真场景至关重要。当前方法的局限性在于对近碰撞数据的依赖。尽管险情数据可大幅补充稀缺的可用事故数据，但险情或近碰撞的定义是任意的。一个有前景的替代方案是 Shalev-Shwartz 等人提出的责任敏感安全(Responsibility-Sensitive Safety, RSS)模型，该模型定义了在车辆动力学合理假设下能够保证不可能发生碰撞的安全横向和纵向距离。我们提出了一个框架，将 RSS 模型扩展到合理假设或安全距离被违反的情况。所提出的框架引入了风险指标，利用车辆动力学和驾驶员的风险厌恶程度量化碰撞的可能性。本研究最后提出了用于调整所述风险指标参数的实验建议。
引用
@article{arxiv.2104.12945,
title = {Quantitative Risk Indices for Autonomous Vehicle Training Systems},
author = {Eduardo Candela and Yuxiang Feng and Panagiotis Angeloudis and Yiannis Demiris},
journal= {arXiv preprint arXiv:2104.12945},
year = {2022}
}