[論文レビュー] Rapidly-exploring Random Trees-based Test Generation for Autonomous Vehicles

Cumhur Erkan Tuncali, Georgios Fainekos|arXiv (Cornell University)|Mar 25, 2019

Robotic Path Planning Algorithms参考文献 17被引用数 8

ひとこと要約

本稿では、自律走行車両のためのRRT*-ベースのテスト生成手法を提案する。この手法は、エージェント車両の挙動をパス計画問題としてモデル化し、境界事象の衝突（ニアミスやわずかに回避できない衝突）を探索するための新規コスト関数を用いる。この方法は、局所的最小値を回避する点で最適化ガイド付き偽証明法を上回り、高次元で複雑な走行環境において、より多様で重要なシナリオを発見し、より高い耐性を発揮する。

ABSTRACT

Autonomous vehicles are in an intensive research and development stage, and the organizations developing these systems are targeting to deploy them on public roads in a very near future. One of the expectations from fully-automated vehicles is never to cause an accident. However, an automated vehicle may not be able to avoid all collisions, e.g., the collisions caused by other road occupants. Hence, it is important for the system designers to understand the boundary case scenarios where an autonomous vehicle can no longer avoid a collision. In this paper, an automated test generation approach that utilizes Rapidly-exploring Random Trees is presented. A comparison of the proposed approach with an optimization-guided falsification approach from the literature is provided. Furthermore, a cost function that guides the test generation toward almost-avoidable collisions or near-misses is proposed.

研究の動機と目的

• 高次元で複雑な走行シナリオに多数の局所的最小値が存在する状況において、最適化ガイド付き偽証明法の限界を克服すること。
• エージェント車両の軌道を柔軟に、パラメータフリーで生成できるRRTベースのアプローチを開発し、避けられない衝突に近い境界事象を探索すること。
• ニアミスやわずかに回避できない衝突シナリオに導くように、テスト生成を誘導するカスタムコスト関数を設計すること。
• 手動で設計された軌道パラメータ化に依存を減らすことで、テストカバレッジと多様性を向上させること。

提案手法

• 本手法はRRT*とT-RRTの原則を組み合わせ、境界事象の衝突に向けた探索を誘導する新規コスト関数を用いる。
• 進化的アルゴリズムからのスパarsityに基づく最小限の拡張制御を採用し、探索と精錬のバランスを取る。
• 固定ウェイポイントパラメータ化を用いずに、動的かつ柔軟に軌道を生成することで、広い探索空間をカバーする。
• 衝突に近い状態を反映する安全/性能指標（例：衝突までの時間、衝突速度）を最小化するようにコスト関数を設計する。
• 可変なシミュレーション期間をサポートし、有望でないケースは早期終了し、有望なケースは延長実行することで効率を向上させる。
• 新規性検出を統合し、未探索またはユニークな軌道形状を優先することで、テストケース生成における多様性を高める。

実験結果

リサーチクエスチョン

• RQ1 RRTベースのアプローチは、自律走行車両のテストにおいて、最適化ガイド付き偽証明法を上回り、重要な境界事象の衝突シナリオを発見できるか？
• RQ2 提案されたコスト関数は、従来の偽証明法と比較して、ニアミスやわずかに回避できない衝突シナリオの発見をどの程度改善するか？
• RQ3 RRTベースのアプローチは、高次元探索空間で最適化ベースのアプローチを妨げる局所的最小値をどの程度回避できるか？
• RQ4 RRTベースの手法は、事前定義された軌道パラメータ化に依存を減らしつつ、テストケースの品質を維持または向上させられるか？

主な発見

• 100回の実験において、RRTベースのアプローチは平均最小コストが10.2571を達成したのに対し、偽証明ベースのアプローチは平均13.7134にとどまった。
• 100回の実験のうち、RRTベースのアプローチはコスト10付近の局所的最小値を回避できたのが44回であった。一方、偽証明ベースのアプローチではわずか2回にとどまった。
• RRTベースのアプローチは11の異なる衝突事例を発見した。その中には、偽証明法が唯一1回のみ発見した低コスト（0.0043）の低速衝突事例も含まれる。
• RRTベースの手法は、軌道を表現するために8〜68のパラメータを必要とした。これは、固定ウェイポイント制約がない柔軟性を示しており、偽証明法の固定パラメータ化とは対照的である。
• ボックスプロット分析（図17）により、RRTベースのアプローチが複雑なシナリオにおいて一貫して低い最小コストと優れた収束性を達成していることが確認された。
• 本研究では、RRTベースの探索と偽証明ベースの精錬を組み合わせることで、両手法の長所を活かした優れたテスト生成性能が得られると示唆された。