迁移重要性采样——在多种测试装置中测试自动驾驶汽车如何助力偏差-方差权衡
机器人学
2022-11-07 v2 系统与控制
系统与控制
摘要
提升道路安全性的前景是开发自动驾驶汽车(AV)的关键驱动力。然而,证明一辆AV与人类驾驶车辆一样安全甚至更安全已被证明颇具挑战。AV应纯粹在虚拟环境中接受检验,从而进行大量完全可控的测试?还是应在试验场的真实环境条件下进行测试?由于不同的测试装置各有优劣,如何组合虚拟测试与真实测试仍是一个开放性问题。在回答该问题的道路上,本文提出迁移重要性采样(TIS),一种关联不同测试装置的风险估计方法。TIS融合迁移学习与重要性采样的概念,利用可扩展且成本效益高的测试装置全面探索AV的行为。由此获得的洞见随后可用于在更可信、能准确反映风险的测试装置中精确参数化测试。我们表明,当单独使用可信测试装置成本高得令人却步时,将其与可扩展测试装置关联可在不牺牲结果有效性的前提下提升效率。因此,各测试装置的固有缺陷通过其系统性关联得以弥补。
引用
@article{arxiv.2204.07619,
title = {Transfer Importance Sampling -- How Testing Automated Vehicles in Multiple Test Setups Helps With the Bias-Variance Tradeoff},
author = {Max Winkelmann and Constantin Vasconi and Steffen Müller},
journal= {arXiv preprint arXiv:2204.07619},
year = {2022}
}
备注
6 pages, 5 figures, 1 table