基于模拟的自动驾驶辅助系统安全验证,包含学习能力组件
研究实施了一种模拟测试框架来评估自动驾驶汽车系统的性能,并采用自适应重要性抽样方法加速稀有事件概率评估,评估了 Comma AI 的 OpenPilot,对自主车辆技术的测试和验证提出了新的方法。
Dec, 2019
本论文针对自动驾驶系统的安全分析提出了一种实用的验证方法,即建立量化描述交通场景下 ADS 行为的代理模型,并通过证明安全特性来保证原 ADS 的性能。此外,我们还探索了危险驾驶的安全和不安全参数空间,并通过评估多个模拟交通场景下的安全特性展示了所提出方法的实用性。
Nov, 2022
基于 CARLA 和 ScenarioRunner 的系统级仿真验证验证框架的实例化研究,以及其在自动驾驶系统的自动生成场景方面的有效性研究。
Nov, 2023
本文针对包含机器学习组件的自动驾驶系统,提出了一个测试框架,利用测试用例生成和自动实现方法进行评估,并演示了如何使用覆盖数组等测试用例生成方法以及需求实现方法来自动识别问题情景,从而提高自动驾驶系统的可靠性。
Apr, 2018
该研究介绍了德国 AVEAS 研究项目的中间结果,该项目旨在开发用于高级驾驶辅助系统和自动驾驶的虚拟验证和验证的真实世界数据的方法和度量,并建立遵循 FAIR 原则的在线数据库。
May, 2024
为了确保机器人等自主车辆的广泛部署,本文提出了一种新的闭环范式用于综合安全控制策略,明确考虑系统在可能的未来情景下的演变不确定性,通过物理动力学和机器人的学习算法共同推理,利用对抗深度强化学习进行放大,展示了该框架能够处理贝叶斯信念传播和大规模预训练神经轨迹预测模型引起的隐式学习。
Sep, 2023
我们提出了一种贝叶斯方法,将元学习策略与多臂老虎机框架相结合,以加速自动系统的故障检测、减少模拟运行时间,并通过学习参数和准确模拟的分布来评估新场景中的学习速度。通过在先进的 3D 驾驶模拟器中应用 16 个保真设置来展示我们的方法,以评估基于自动化车辆事故前个体的各种场景,结果表明与仅依赖于高保真模拟器的传统方法相比,我们的方法加快了模拟速度,最多高出 18 倍。
Sep, 2023
通过融合多个替代模型并优化其组合系数以增强评估效率,我们开发了一种自适应测试环境,通过采用二次规划将优化问题表达为回归任务,并利用强化学习方法高效获取回归目标,实现了加速评估的效果验证。
Feb, 2024