基于安全力场且具决策可解释性的自动驾驶策略及其在 CARLA 仿真器上的实现
机器人学
2022-11-21 v1 人工智能
机器学习
摘要
尽管近年来自动驾驶技术快速发展，汽车制造商仍需解决责任归属问题，以商业化 SAE J3016 三级或更高级别的自动驾驶乘用车。为应对产品责任法，制造商依据 ISO 26262 和 ISO 21448 等国际安全标准开发自动驾驶系统。针对 ISO 26262 中预期功能安全（SOTIF）的要求，驾驶策略建议为机动决策提供明确的合理性依据。在此情形下，诸如安全力场（SFF）与责任敏感安全（RSS）等具备决策可解释性的数学模型或许可适用。本工作中，我们从零实现 SFF 以替代未公开的 NVIDIA 源代码，并将其与 CARLA 开源仿真器集成。利用 SFF 与 CARLA，我们提出了一种针对所称车辆集合的预测器，并基于该预测器提出一种集成驾驶策略，可在穿越动态交通时无论遇到何种安全条件均能一致运行。该策略不为每种条件单独规划，而是利用安全势，旨在实现融入交通流的类人驾驶。
引用
@article{arxiv.2211.10237,
title = {Rationale-aware Autonomous Driving Policy utilizing Safety Force Field implemented on CARLA Simulator},
author = {Ho Suk and Taewoo Kim and Hyungbin Park and Pamul Yadav and Junyong Lee and Shiho Kim},
journal= {arXiv preprint arXiv:2211.10237},
year = {2022}
}
备注
9 pages including appendices, 4 figures, NeurIPS 2022 Workshop: Machine Learning for Autonomous Driving (ML4AD)