[論文レビュー] Towards Safety-Aware Computing System Design in Autonomous Vehicles

Hengyu Zhao, Yubo Zhang+5 more|arXiv (Cornell University)|May 21, 2019

Autonomous Vehicle Technology and Safety参考文献 39被引用数 16

ひとこと要約

本論文は、自律走行車（AV）における安全志向型コンピューティングシステム設計を支援するための安全スコアと認識遅延モデルを提案する。従来の指標（例：テール遅延）の限界を克服し、レベル4のAVファミリーからの実世界のフィールドデータを統合することで、安全は応答時間および環境要因の非線形関数であることを示し、ハードウェア・ソフトウェア共同設計のリソース管理方式により認識遅延を最大2.6倍まで低減した。

ABSTRACT

Recently, autonomous driving development ignited competition among car makers and technical corporations. Low-level automation cars are already commercially available. But high automated vehicles where the vehicle drives by itself without human monitoring is still at infancy. Such autonomous vehicles (AVs) rely on the computing system in the car to to interpret the environment and make driving decisions. Therefore, computing system design is essential particularly in enhancing the attainment of driving safety. However, to our knowledge, no clear guideline exists so far regarding safety-aware AV computing system and architecture design. To understand the safety requirement of AV computing system, we performed a field study by running industrial Level-4 autonomous driving fleets in various locations, road conditions, and traffic patterns. The field study indicates that traditional computing system performance metrics, such as tail latency, average latency, maximum latency, and timeout, cannot fully satisfy the safety requirement for AV computing system design. To address this issue, we propose a `safety score' as a primary metric for measuring the level of safety in AV computing system design. Furthermore, we propose a perception latency model, which helps architects estimate the safety score of given architecture and system design without physically testing them in an AV. We demonstrate the use of our safety score and latency model, by developing and evaluating a safety-aware AV computing system computation hardware resource management scheme.

研究の動機と目的

• 高自動化レベルの自律走行車（AV）の安全要件を満たすために、従来の指標（例：テール遅延、タイムアウト）が果たせない課題を特定すること。
• 応答時間および速度、加速度、道路状況などの外部要因を組み合わせた非線形関数として、AVの安全を定量的に捉える安全スコア指標を開発すること。
• 物理的テストを伴わずに、AVシステムアーキテクチャの安全性スコアを事前に推定可能な認識遅延モデルを提案すること。
• ハードウェアとソフトウェアを共同で設計したリソース管理方式を用いて、安全スコアと遅延モデルの実用的有用性を実証し、システムの応答性を向上させること。
• 形式的AV安全モデル（例：RSS）と実世界のコンピューティングシステム設計のギャップを埋めるために、定量的でシステムレベルの安全指標を提供すること。

提案手法

• 安全スコアは、責任感受性安全（RSS）モデルに基づき、車両の運動特性（速度、加速度）、制動距離、環境条件を非線形安全関数に統合して導出する。
• 認識遅延モデルは、さまざまな走行シナリオ下でのコンピューティングアーキテクチャの安全スコアを推定可能にし、初期段階での設計評価を可能にする。
• 多様な道路状況や交通状況で運用される産業レベル4（L4）AVファミリーのフィールドデータを活用し、安全スコアおよび遅延モデルのキャリブレーションと検証を実施する。
• 安全志向型の異種計算リソース管理方式を共同設計し、CPU、GPU、および専用アクセラレータを最適化して認識遅延を最小限に抑える。
• 本手法により、アーキテクトは物理的展開前に、遅延モデルを用いてシステム設計をオフラインで評価し、安全スコアを予測可能となる。
• 形式的安全原則と実世界のシステムパフォーマンスを統合し、純粋な遅延から安全志向型のシステム応答性への焦点のシフトを実現する。

実験結果

リサーチクエスチョン

• RQ1 従来のコンピューティングシステム指標（例：テール遅延、タイムアウト）は、自律走行車コンピューティングシステムの応答時間の真正の安全への影響をどのように捉えられていないか？
• RQ2 計算応答時間と車両の運動特性、環境要因を統合した非線形的でシステムレベルの安全指標とは何か？
• RQ3 実際の車両での物理的テストを伴わずに、特定のAVコンピューティングアーキテクチャの安全スコアをどのように推定できるか？
• RQ4 安全志向型リソース管理方式は、AVにおける認識遅延とシステムの安全性をどの程度向上させることができるか？
• RQ5 提案された安全スコアと遅延モデルは、自律走行車の異種コンピューティングシステム設計をどのように導くか？

主な発見

• テール遅延やタイムアウトといった従来の指標は、自律走行車コンピューティングシステムの応答時間の真正の安全への影響を反映していない。
• RSSモデルに基づく安全スコアは、速度、加速度、制動距離、交通状況を考慮した非線形的で定量的なAV安全指標を提供する。
• 認識遅延モデルにより、さまざまなシステムアーキテクチャの安全スコアを正確にオフラインで推定可能となり、高価な物理的テストへの依存が低下する。
• 提案された安全志向型リソース管理方式により、フィールドデータ上ではCPUオンリーより2.6倍、GPU+CPU構成より45％の平均認識遅延低減が達成された。
• 本研究では、安全志向設計が、従来のパフォーマンス指標のみに依存した設計とは異なるシステムおよびアーキテクチャ選択をもたらすことを示した。
• 多様な環境下で運用されたL4 AVファミリーのフィールドデータは、安全が応答時間および外部要因の非線形関数であることを裏付け、提案された安全スコアの必要性を検証した。