核心概念
限定的なテストシナリオ数の下で、シナリオの近接性とシミラリティに基づいて最適なテストシナリオセットを選択することで、自動運転車の安全性を効率的に評価できる。
摘要
本論文は、限定的なテストシナリオ数の下で自動運転車の安全性を効率的に評価する「限定的シナリオテスト(Few-Shot Testing, FST)」の問題を初めて定義し、これに取り組む体系的なフレームワークを提案している。
具体的には以下の通り:
- 限定的なテストシナリオ数の下で自動運転車の安全性を定量的に評価する問題を定式化した。
- 代替モデル(Surrogate Model)を活用し、シナリオの近接性とシミラリティに基づいて最適なテストシナリオセットを選択する手法を提案した。
- 理論的な誤差上限を導出し、限定的なテスト数の下でも十分な評価精度を確保できることを示した。
- 車線変更シナリオでの実験結果から、提案手法が従来手法に比べて平均誤差と分散を大幅に低減できることを実証した。特に、テストシナリオ数が少ない場合でも精度の低下が小さいことが確認された。
以上より、本手法は限定的なテスト条件下でも自動運転車の安全性を効率的に評価できる有効な手段であると言える。
统计
自動運転車の事故率は3.0 × 10-4である。
代替モデルの事故率は4.6 × 10-4から4.9 × 10-3の範囲にある。
引用
"Testing and evaluating the safety performance of autonomous vehicles (AVs) is essential before the large-scale deployment."
"Practically, the number of testing scenarios permissible for a specific AV is severely limited by tight constraints on testing budgets and time."
"With the restrictions imposed by strictly restricted numbers of tests, existing testing methods often lead to significant uncertainty or difficulty to quantifying evaluation results."