[論文レビュー] Using Ontologies for the Formalization and Recognition of Criticality for Automated Driving

Lukas Westhofen, Christian Neurohr+3 more|arXiv (Cornell University)|May 3, 2022

Semantic Web and Ontologies被引用数 4

ひとこと要約

本稿では、記述論理とルールベース推論を用いて自動運転における臨界要因をモデル化・推論する形式的オントロジー基盤フレームワークを提案する。6層モデルを統合して交通状況を表現し、論理的公理を用いて遮蔽、予測不可能な行動、悪天候などのリスク要因を早期に検出可能にし、大規模なドローンデータセットを用いた評価で、臨界シナリオの堅牢な認識を示した。

ABSTRACT

Knowledge representation and reasoning has a long history of examining how knowledge can be formalized, interpreted, and semantically analyzed by machines. In the area of automated vehicles, recent advances suggest the ability to formalize and leverage relevant knowledge as a key enabler in handling the inherently open and complex context of the traffic world. This paper demonstrates ontologies to be a powerful tool for a) modeling and formalization of and b) reasoning about factors associated with criticality in the environment of automated vehicles. For this, we leverage the well-known 6-Layer Model to create a formal representation of the environmental context. Within this representation, an ontology models domain knowledge as logical axioms, enabling deduction on the presence of critical factors within traffic scenes and scenarios. For executing automated analyses, a joint description logic and rule reasoner is used in combination with an a-priori predicate augmentation. We elaborate on the modular approach, present a publicly available implementation, and evaluate the method by means of a large-scale drone data set of urban traffic scenarios.

研究の動機と目的

• 自動運転システムにおけるオープンで複雑な都市交通環境のモデル化の課題に対処する。
• 遮蔽、予測不可能な行動、悪天候などの安全に影響する臨界現象を、機械理解可能な知識モデルに形式化する。
• 交通衝突が発生する前に対象の臨界要因の組み合わせを推論することで、早期かつ堅牢なリスク評価を可能にする。
• 自動運転システムの検証・検定（V&V）プロセスにオントロジー基盤の推論を統合し、安全性の保証を向上させる。
• 大規模なドローンベースの都市交通データセットを用いて、スケーラビリティと実用性を実証する。

提案手法

• 自動運転の環境的文脈を階層的で意味的に明確な層に分けるために6層モデルを採用する。
• ドメイン固有の臨界要因現象（CPs）を記述論理（DL）オントロジー内で論理的公理として定義し、形式的定義と制約を用いる。
• HermiT や Pellet などの記述論理とルールの統合推論エンジンを用い、センサデータやシーンデータから臨界要因の存在を推論する。
• 事前定義された述語拡張を用いて、オブジェクトタイプや運動パターンなどの推論に必要なセマンティック特徴を入力データに追加する。
• 遮蔽のような複雑な現象をn項関係と幾何的推論を用いてモデル化し、空間的交差と円弧部分の計算により可視領域と遮蔽率を定義する。
• 時間的・空間的メトリクス（例：TTB、areq）を臨界要因の組み合わせの導出結果として表現し、早期リスク予測を可能にする。

実験結果

リサーチクエスチョン

• RQ1 オントロジーは、都市部の自動運転環境における多様で安全に影響する要因を、効果的に形式化し表現できるか？
• RQ2 オントロジー上で論理的推論を実施することで、交通衝突が発生する前に対象の臨界要因現象を早期に検出できるか、その程度はいかほどか？
• RQ3 提案されたオントロジー基盤のアプローチは、多様で現実の都市交通シナリオにわたってスケーラブルで一般化可能であるか？
• RQ4 形式的オントロジーをV&Vプロセスに統合することで、自動運転システムにおける安全に影響する行動のトレーサビリティと検証可能性が向上するか？
• RQ5 遮蔽された歩行者や高い相対速度を伴う複数要因の臨界シナリオを検出する際、システムの性能はどの程度か？

主な発見

• 20以上の臨界要因現象（遮蔽、予測不可能な行動、悪天候など）が、正確な論理的公理を用いて形式化に成功した。
• 遮蔽された歩行者や高い相対速度といった臨界要因が、複雑でごみごみとした都市シーンにおいても高い一貫性で検出された。
• 事前定義された述語拡張の統合により、生センサデータにセマンティック的文脈を追加することで、臨界要因認識の精度が顕著に向上した。
• ルールベース推論エンジンは、臨界要因の組み合わせから導出されるリスクメトリクス（例：TTBの短縮、areqの増加）を正しく推論し、早期リスク評価を可能にした。
• 大規模なドローンデータセットを用いた評価により、学校の迎え時における子供の近くでの遮蔽など、複数要因の臨界シナリオの検出において本手法の堅牢性が示された。
• モジュール型でオントロジー駆動のアプローチは、新たな交通現象や進化する状況にも適応可能であり、都市部走行環境のオープンエンド性を満たした。