[論文レビュー] Computing Systems for Autonomous Driving: State-of-the-Art and Challenges

Liangkai Liu, Sidi Lu+5 more|arXiv (Cornell University)|Sep 30, 2020

Autonomous Vehicle Technology and Safety参考文献 202被引用数 25

ひとこと要約

本論文は、自律走行のための最先端のコンピューティングシステムに関する包括的なサーベイを提示し、リアルタイムで信頼性のある意思決定を実現するための7つのパフォーマンス指標と9つの主要技術を特定している。また、認識の耐障害性から人間-機械インタラクションに至るまでの12の重要な課題を提示し、SAE Level 4/5の自律走行に必要な要件と現行システムとの間のギャップを浮き彫りにしている。特に、統合されたサイバ-フィジカル設計とV2X通信を通じて、安全性とシステム信頼性の向上に注力している。

ABSTRACT

The recent proliferation of computing technologies (e.g., sensors, computer vision, machine learning, and hardware acceleration), and the broad deployment of communication mechanisms (e.g., DSRC, C-V2X, 5G) have pushed the horizon of autonomous driving, which automates the decision and control of vehicles by leveraging the perception results based on multiple sensors. The key to the success of these autonomous systems is making a reliable decision in real-time fashion. However, accidents and fatalities caused by early deployed autonomous vehicles arise from time to time. The real traffic environment is too complicated for current autonomous driving computing systems to understand and handle. In this paper, we present state-of-the-art computing systems for autonomous driving, including seven performance metrics and nine key technologies, followed by twelve challenges to realize autonomous driving. We hope this paper will gain attention from both the computing and automotive communities and inspire more research in this direction.

研究の動機と目的

• 自律走行のためのコンピューティングシステムの現状における最先端技術を、ハードウェア、ソフトウェア、通信の統合に焦点を当てて分析すること。
• 自律走行システムの評価に不可欠な7つのパフォーマンス指標を特定・定義すること。
• 自律走行車両におけるリアルタイムの認識、意思決定、制御を可能にする9つの主要技術をサーベイすること。
• 初期の自律走行車両の実用化における実際の死亡事故から明らかになった、継続的な安全性のギャップを特定すること。
• 信頼性があり、耐障害性があり、安全なSAE Level 4/5自律走行を実現するための12の主要な課題と機会を提示すること。

提案手法

• コンピューティングシステムをモジュラー型とエンドツーエンド型のアーキテクチャに分類し、その設計上のトレードオフを分析する。
• 自律走行システムの評価に用いる7つのパフォーマンス指標（レイテンシ、正確性、信頼性、安全性、スケーラビリティ、エネルギー効率、故障耐性）を提案する。
• 9つのコア技術をレビューする：センサーフュージョン、認識におけるディープラーニング、SLAM、モーションプランニング、制御アルゴリズム、V2X通信（DSRC、C-V2X、5G）、ハードウェア加速（GPU、TPU）、リアルタイムオペレーティングシステム。
• 2016年から2019年の間の5件のLevel 2自動車の死亡事故の実データを分析し、主な原因は認識の失敗（トラック、分離帯、セミトレーラーの検出不能）や歩行者の行動予測の不備であることを特定した。
• CARLA、dSPACE、およびハイドラワンやドラゴンフライなどのオープンソースシステムといった実験的プラットフォームを評価し、コスト効率の高い研究開発を可能にする。
• 認識、制御、車両動力学、ドライブ・バイ・ワイヤー系の間でクロスレイヤー最適化を推進することで、人間の快適性とシステムの耐障害性を向上させることを提言する。

実験結果

リサーチクエスチョン

• RQ1 自律走行コンピューティングシステムの効果性と信頼性を規定する主要なパフォーマンス指標は何か？
• RQ2 現在のコンピューティングシステムアーキテクチャ（モジュラー型対エンドツーエンド型）は、実際の走行におけるシステム性能と安全性にどのように影響を与えるか？
• RQ3 ディープラーニング、V2X、ハードウェア加速といった主な技術的要因は、自律走行車両におけるリアルタイム意思決定をどのように支援するか？
• RQ4 なぜ認識の失敗や人間の行動の誤判断が、初期の自律走行車両の実用化段階で依然として重要な障害要因のままであるのか？
• RQ5 耐障害性があり、安全でスケーラブルなSAE Level 4/5自律走行システムを実現するにあたり、最も深刻な課題は何か？

主な発見

• 2016年から2019年の間の5件のLevel 2自動車の死亡事故は、主に認識の失敗（トラック、分離帯、セミトレーラーの検出不能）や歩行者の行動予測不能が原因であった。
• 現在のLevel 2システムの大多数の現地テストは、アリゾナ州やフロリダ州のような好条件の地域で実施されており、複雑な実際の交通環境下での性能に大きなギャップがあることが示唆されている。
• 現在の自律走行車両設計では、モジュラー型アーキテクチャが依然として主流であり、多様なエンジニアリングチーム間のモularityと協働を可能にしている。
• V2X通信（DSRC、C-V2X、5G）は、人間との相互作用における行動予測の代替手段としてより信頼性が高く、直接的な安全情報交換を可能にする。
• CARLA、dSPACE、およびハイドラワンやドラゴンフライなどのオープンソースシステムといった実験的プラットフォームは、研究開発コストを著しく削減し、スケーラブルなテストを可能にしている。
• 認識、制御、車両動力学、ドライブ・バイ・ワイヤー系の間でクロスレイヤー最適化を行うことは、自律走行車両制御における安全性と人間の快適性の両立を実現する上で不可欠である。