Core Concepts
アクチュエータの劣化や故障が自動運転車のモーションコントロールパフォーマンスに及ぼす影響を、データ駆動型のアプローチで予測する。
Abstract
本論文では、自動運転車のモーションコントローラーのパフォーマンスを、アクチュエータの劣化や故障の影響下で予測するデータ駆動型のアプローチを提案する。
まず、オフラインのシミュレーション環境を構築し、さまざまな走行条件や劣化・故障状態を考慮した大規模なデータセットを生成する。次に、この データを用いて、畳み込みニューラルネットワークと適合化量子回帰を組み合わせたモデルを学習する。このモデルは、走行条件や劣化・故障状態に応じて、モーションコントローラーの最大横方向偏差を予測することができる。
提案手法を適用した結果、所定の信頼水準を満たしつつ、予測区間の長さも小さく抑えられることを示す。さらに、予測モデルを用いて、回避操舵などの運転操作の実行可能性を評価する例を示す。これにより、行動生成プロセスにおいて、現在の状況に応じた適切な操作を選択することができる。
Stats
最大横方向偏差が0.015 mから1.79 mの範囲にある
大きな横方向偏差ほど、走行条件が過酷であるか、アクチュエータが劣化している可能性が高い
Quotes
"自動運転システムには、特に構成要素が劣化または故障した場合でも安全な運転を確保するための監視メカニズムが必要である。"
"システムの自己表現は、システムの能力と限界に関する事前知識を提供するため、重要な役割を果たす。"