Core Concepts
本研究は、深層学習ベースの知覚システムの障害物存在検出の誤りに対して、決定論的な故障許容を提供する Perception Simplex (PS) フレームワークを提案する。PSは、検証可能な障害物検出アルゴリズムを使用して、不検証可能なディープニューラルネットワークベースの検出器の誤りを特定し、適切な修正措置を講じる。
Abstract
本研究は、自動運転車における深層学習ベースの知覚システムの安全性に関する課題に取り組んでいる。自動運転車の致命的な事故の多くは、知覚システムの障害物存在検出の誤りが原因となっている。
まず、安全上重要な障害物検出の最小限の要件を定義する。これには、障害物の分類や高さ情報は必要ではなく、距離と投影のみが重要である。次に、既存のLiDARベースの幾何学的障害物検出アルゴリズムであるDepth Clusteringについて、その能力と限界を明確にする検出可能性モデルを確立する。
その上で、Perception Simplex (PS)フレームワークを設計、分析、実装する。PSは、検証可能な障害物検出アルゴリズムと不検証可能な深層学習ベースの知覚システムを組み合わせ、障害物存在検出の誤りに対する決定論的な故障許容を提供する。ソフトウェアインザループシミュレーションを通じて、PSの性能を評価し、障害物存在検出の誤りに対する堅牢な安全性保証を実証する。
Stats
LiDARセンサの高さは2.184 mである。
LiDARの最大有効範囲は75 mである。
障害物の高さは変数であり、地面からの角度は0度から8度の範囲にある。
地面除去のしきい角度は10度に設定されている。