SOTIF 熵：面向自动驾驶的在线 SOTIF 风险量化与缓解
人工智能
2022-11-09 v1
摘要
自动驾驶在复杂交通场景中面临巨大挑战，预期功能安全（SOTIF）的风险可由动态运行环境及系统不足所触发。SOTIF 风险不仅直观地体现在自动驾驶车辆（AV）外部物体的碰撞风险上，也内在地体现在所部署算法自身的性能局限风险上。如何最小化自动驾驶的 SOTIF 风险目前是一个关键、困难且未解决的问题。因此，本文提出“自监视与自适应系统”作为在线最小化 SOTIF 风险的系统性方法，旨在为内在与外部风险的监测、量化和缓解提供系统性解决方案。该系统的核心是对 AV 内部署的人工智能算法进行风险监视。作为自监视与自适应系统的演示，重点展示了感知算法（即 YOLOv5）的风险监视。此外，通过 SOTIF 熵联合量化内在感知算法风险与外部碰撞风险，随后将其传递至决策模块并加以缓解。最后，展示了若干具有挑战性的场景，并开展了硬件在环实验以验证系统的效率与有效性。结果表明，自监视与自适应系统能够在实时关键交通环境中实现可靠的 SOTIF 风险在线监测、量化与缓解。
引用
@article{arxiv.2211.04009,
title = {SOTIF Entropy: Online SOTIF Risk Quantification and Mitigation for Autonomous Driving},
author = {Liang Peng and Boqi Li and Wenhao Yu and Kai Yang and Wenbo Shao and Hong Wang},
journal= {arXiv preprint arXiv:2211.04009},
year = {2022}
}
备注
16 pages, 10 figures, 2 tables, submitted to IEEE TITS