面向自动驾驶的任务感知型感知失效风险估计

安全性与性能是自动驾驶的关键赋能因素：一方面我们希望自动驾驶车辆（AV）是安全的，同时其性能（如舒适性 or 行进能力）是普及的关键。为了在安全性与性能之间有效走钢丝，AV 需要规避风险但不完全回避风险。为促进安全且高性能的驾驶，本文开发了一种任务感知型风险估计器，用于评估感知失效对 AV 运动规划所构成的风险。若失效对 AV 运动规划的安全性毫无影响，则无论该感知失效多么严重，我们的任务感知型风险估计器均认为其风险低；反之，若看似轻微的感知失效严重影响了运动规划，则我们的估计器认为其风险高。本文提出一种任务感知型风险估计器，以决定是否需触发安全机动。为估计任务感知风险，首先利用感知监视器检测到的感知失效，合成车辆周边环境的一个合理替代模型。然后将该感知失效导致的风险形式化为在感知场景与合理替代场景之间 AV 运动规划的“相对”风险。我们采用一种称为 copula 的统计工具（其对分布间的尾部依赖建模）来估计该风险。copula 的理论性质使我们能够计算可能近似正确（PAC）的风险估计。我们使用 NuPlan 评估任务感知型风险估计器，并与已有基线比较，表明所提风险估计器取得了最佳 F1-score（为最佳基线的两倍），且在召回率与精确率之间表现出良好平衡，即安全性与性能的良好平衡。