SAFR-AV：基于真实世界数据的自动驾驶车辆安全分析——面向 AV 技术栈预认证的端到端真实数据驱动场景测试方法
软件工程
2023-03-01 v1 系统与控制
系统与控制
摘要
自动驾驶系统（ADS）部署的主要障碍之一是其安全性与可靠性。ADS 测试复杂的主要原因是其运行于一个开放世界，该世界具有非确定性、高维和非平稳特性，且从 ADS 视角看环境中其他参与者的行为不可控。这导致状态空间爆炸问题，缓解该问题的一种途径是通过测试 ADS 必须展现的一组行为能力来具体化被测系统（SUT）的范围。一种流行的 ADS 测试方法是场景化测试，即向 ADS 呈现来自真实世界（及合成生成）数据的驾驶场景，并期望其在穿越场景时满足定义的安全准则。我们提出 SAFR-AV，一个支持场景化 ADS 测试的端到端 ADS 测试平台。我们的工作解决了构建高效大规模数据摄取管道和搜索能力以从真实世界数据中识别感兴趣场景、创建真实世界场景的数字孪生以在 ADS 仿真器中实现软件在环（SIL）测试，以及识别关键场景参数分布以实现场景覆盖优化等现实挑战。这些与 SAFR-AV 的其他模块一起将使该平台能够提供 ADS 预认证。
引用
@article{arxiv.2302.14601,
title = {SAFR-AV: Safety Analysis of Autonomous Vehicles using Real World Data -- An end-to-end solution for real world data driven scenario-based testing for pre-certification of AV stacks},
author = {Sagar Pathrudkar and Saadhana Venkataraman and Deepika Kanade and Aswin Ajayan and Palash Gupta and Shehzaman Khatib and Vijaya Sarathi Indla and Saikat Mukherjee},
journal= {arXiv preprint arXiv:2302.14601},
year = {2023}
}