[論文レビュー] Automatic Generation of Challenging Road Networks for ALKS Testing based on Bezier Curves and Search

Florian Klück, Lorenz Klampfl+1 more|arXiv (Cornell University)|Mar 1, 2021

Autonomous Vehicle Technology and Safety被引用数 4

ひとこと要約

本稿では、自動運転車両の仮想的テストを効率的に行うために、ベジエ曲線と遺伝的アルゴリズムを用いた探索ベースのアプローチを提示する。この手法は、横方向のずれを最大化するように制御点を進化させることで、ALKS（自動車線維持システム）の失敗を引き起こす道路形状を自動的に特定する。構成Cでは、計算コストが高くなるものの、より高い多様性とより少ない不正なテストケースを達成し、改善が見られた。

ABSTRACT

In this paper, we outline an approach for automatic generation of challenging road networks for virtual testing of an automated lane keep system. Based on a set of control points, we construct a parametric curve that represents a road network, which defines the dynamic driving task an automated lane keep system equipped vehicle has to perform. Changing control points has global influence on the resulting road geometry. Our approach uses search to find a set of control points that results in a challenging road geometry, eventually forcing the vehicle to leave the intended path. We evaluated our approach in three different search-configurations regarding test efficiency and practical applicability for automatic virtual testing of an automated lane keep system.

研究の動機と目的

• 仮想環境において、現実的で失敗を引き起こす道路幾何形状を備えた、自動車線維持システム（ALKS）を効率的にテストする課題に対処すること。
• ALKS検証のための多様で複雑なテストシナリオを生成するための人的作業を削減すること。
• ALKSが意図した経路から逸脱する道路構成を自動で特定することで、テストの効率を向上させること。
• 多様性、有効性、計算コストのバランスをとる異なる探索構成の検討。

提案手法

• 道路ネットワークは、制御点の集合によって定義されるパラメトリックなベジエ曲線としてモデル化され、最小限のパrameter変更で道路幾何形状にグローバルな影響を与える。
• 遺伝的アルゴリズムが制御点の集合の集団を進化させ、適応度はシミュレーション内での横方向のずれの程度（中央線または側線を越える）によって決定される。
• 集団内の各個体はシミュレーションパイプライン（BeamNG.research）で評価され、失敗は車両のバウンディングボックスの95％以上が中央線または側線を越える場合に定義される。
• 多様性を向上させるために、ベジエ曲線間の離散フレシェ距離が、テストケース間の類似度を測定する指標として用いられ、新しい類似度の低い個体の選択を支援する。
• 3つの探索構成が評価された：ランダムな初期集団（A）、失敗時に再起動する（B）、有効性チェック付きの誘導された初期集団生成（C）。
• 不正なテストケース（極めて急なカーブを含む）は事前処理段階でフィルタリングされ、現実的で実行可能なシミュレーションを保証する。

実験結果

リサーチクエスチョン

• RQ1 ベジエ曲線を用いた探索ベースの手法は、ALKSテストに適した多様で失敗を引き起こす道路幾何形状を効果的に生成できるか？
• RQ2 異なる遺伝的アルゴリズムの構成は、テスト効率と失敗するテストケースの多様性にどのように影響するか？
• RQ3 有効性チェックと類似度メトリクスは、生成されたテストケースの質と効率をどの程度向上できるか？
• RQ4 初期集団の生成を有効で類似度の低い道路形状に向かって誘導することで、重複を減らし、失敗の発見を増加させられるか？

主な発見

• 構成Aは1回の実行あたり平均27件の失敗するテストケースを生成したが、平均フレシェ距離が2.2～8.2にとどまり、類似度が高く多様性に欠けることが示された。
• 構成Bは多様性が高く、1回の実行あたり平均2.25件の失敗するテストケースを生成し、最大フレシェ距離は120に達したが、不正なテストケースの発生率が高く（1回あたり27～57件）、再起動が非効率だった。
• 構成Cは不正なテストケースを顕著に減少させた（1回あたり17～29件）、かつ異なる失敗するケースを増やした（1回あたり4～6件）、平均フレシェ距離も58.7～73.79に上昇し、多様性が向上した。
• 有効性チェックによる計算コストの増加にもかかわらず、構成Cはテストの質と多様性のバランスが最も良く、1回の実行で255件のテストケースのうち6件の失敗が確認された。
• すべての構成が1回の実行あたり少なくとも1件の失敗するテストケースを生成したため、本手法がALKSの失敗シナリオを特定できることを確認した。
• フレシェ距離を多様性のメトリクスとして用いることで、特に最大距離が大きい実行で、特徴的な失敗を引き起こす道路形状を検出できた。