基于场景采样的自动驾驶系统安全保障展望：不变集视角（扩展版）
机器人学
2021-11-16 v3 系统与控制
系统与控制
摘要
多少个场景足以验证装备自动驾驶系统（ADS）车辆的安全运行设计域（ODD）安全性？采样场景数量越多是否就能保证对ADS更准确的安全评估？尽管在实践中利用场景采样进行ADS安全评估已取得诸多经验性成功，但其若干基本性质在很大程度上仍属未知。本文试图从集合不变性视角出发，表述并解决场景采样安全保障问题，以弥补这一空白。首先，我们将场景采样安全保障问题与数据驱动的鲁棒受控前向不变集验证与量化问题建立了新颖的概念等价性。随后，本文针对验证给定ODD的安全验证问题，提供了一系列具有有限采样分析的分辨率完全和概率完全解。另一方面，量化问题加剧了验证挑战，并开始寻找具有特定属性的安全子域。这催生了各类算法，它们可证明为概率不完全、概率完全但次优、以及渐近最优。最后，所提出的渐近最优场景采样安全量化算法也通过仿真实验进行了经验性演示。
引用
@article{arxiv.2104.09595,
title = {Towards Guaranteed Safety Assurance of Automated Driving Systems with Scenario Sampling: An Invariant Set Perspective (Extended Version)},
author = {Bowen Weng and Linda Capito and Umit Ozguner and Keith Redmill},
journal= {arXiv preprint arXiv:2104.09595},
year = {2021}
}
备注
A shorter version of this manuscript has been accepted by the IEEE Transactions on Intelligent Vehicles