基于深度生成模型的自动驾驶列车场景化安全验证方法
机器学习
2023-10-17 v1 人工智能
计算机视觉与模式识别
摘要
现代 AI 技术为自动驾驶车辆开辟了日益增长的可能性，但如何恰当地验证此类系统的可靠性仍不明确。一种常见方法是基于预定义的操作设计域（ODD）进行安全验证，该域描述了被测系统需正常工作的特定条件。然而，收集足够的真实测试用例以确保 ODD 的全面覆盖具有挑战性。本文中，我们报告了关于利用深度生成模型进行数据仿真以支撑场景化 ODD 验证的实用经验。我们考虑一个具体用例：旨在支持自动驾驶列车运行的基于摄像头的轨道场景分割系统。我们展示了利用深度生成模型对铁路场景进行语义编辑，使有限的测试数据更具代表性的能力。我们还展示了该方法如何帮助分析系统符合典型 ODD 需求的程度。具体而言，我们聚焦于评估在不同光照和天气条件下以及在这些条件转换期间的正常运行情况。
引用
@article{arxiv.2310.10635,
title = {Towards Scenario-based Safety Validation for Autonomous Trains with Deep Generative Models},
author = {Thomas Decker and Ananta R. Bhattarai and Michael Lebacher},
journal= {arXiv preprint arXiv:2310.10635},
year = {2023}
}
备注
International Conference on Computer Safety, Reliability, and Security 2023