[논문 리뷰] Fault-Tolerant Perception for Automated Driving A Lightweight Monitoring Approach

Cornelius Buerkle, Florian Geißler외 2명|arXiv (Cornell University)|2021. 11. 24.

Autonomous Vehicle Technology and Safety참고 문헌 19인용 수 4

한 줄 요약

이 논문은 자율주행을 위한 경량이며 고장 내성 perception 모니터를 제안하며, LiDAR 기반 센서 점검과 객체 궤적의 운동 타당성 점검을 조합하여 심각한 위치 및 속도 오차를 탐지한다. 이 방법은 위치 오차가 0.7m를 초과하거나 일시적 속도 오차가 2m/s를 초과하는 경우 90% 이상의 정밀도와 재현율을 달성하며, ASIL 준수 하드웨어에서 낮은 지연(17ms 센서 점검, 12ms 타당성 점검)을 기록한다.

ABSTRACT

While the most visible part of the safety verification process of automated vehicles concerns the planning and control system, it is often overlooked that safety of the latter crucially depends on the fault-tolerance of the preceding environment perception. Modern perception systems feature complex and often machine-learning-based components with various failure modes that can jeopardize the overall safety. At the same time, a verification by for example redundant execution is not always feasible due to resource constraints. In this paper, we address the need for feasible and efficient perception monitors and propose a lightweight approach that helps to protect the integrity of the perception system while keeping the additional compute overhead minimal. In contrast to existing solutions, the monitor is realized by a well-balanced combination of sensor checks -- here using LiDAR information -- and plausibility checks on the object motion history. It is designed to detect relevant errors in the distance and velocity of objects in the environment of the automated vehicle. In conjunction with an appropriate planning system, such a monitor can help to make safe automated driving feasible.

연구 동기 및 목표

• 자율주행 차량의 고장 내성 perception 모니터링에 있어 자원 제약 조건 하에서의 핵심 격차를 해결하기 위해.
• 부가적 또는 고비용 시스템에 의존하지 않고도 perception 무결성을 보장하는 저계산량, 경량 모니터링 솔루션을 개발하기 위해.
• 센서 기반 점검(LiDAR)과 운동 역사에 대한 물리 기반 타당성 점검을 조합하여 강력한 오차 탐지 기능을 확보하기 위해.
• 안전 인증 하드웨어(예: 인텔 애톰 CPU)에서 실시간 배포에 적합한 낮은 지연으로 실행 가능성을 검증하기 위해.
• RSS 기반 계획 모니터와의 통합을 가능하게 하여 신뢰할 수 있는 perception 오차 탐지 기능을 제공하기 위해.

제안 방법

• 모니터는 고신뢰도 LiDAR 소스를 사용하여 실시간 객체 위치 및 2차원 형상 검증을 위한 정적 점유 격자를 생성한다.
• 센서 점검은 주요 perception 출력과 대조하여 LiDAR 데이터를 기반으로 객체 위치와 형상을 검증한다.
• 타당성 점검은 물리적 운동 모델을 적용하여 비현실적인 객체 동역학(예: 불연속 경로, 극단적 가속도, 비현실적인 속도)을 탐지한다.
• 이 두 점검 방식을 통합하여 센서 고장(예: 잘못된 위치 지정)과 체계적 오류(예: 잘못된 속도 추정)를 모두 탐지한다.
• 아키텍처는 최소한의 계산 오버헤드를 위해 설계되었으며, 안전 인증 프로세서에서 단일 코어에서 실행 가능한 단순하고 효율적인 알고리즘을 사용한다.
• 이 방법은 일반적이며, RSS 기반 감시자와 같은 주요 perception 시스템 및 계획 모듈과 호환된다.

실험 결과

연구 질문

• RQ1 최소한의 계산 자원으로도 객체 위치 및 속도의 안전 기준 오차를 높은 정밀도와 재현율로 탐지할 수 있는 경량 perception 모니터가 가능한가?
• RQ2 LiDAR 기반 센서 점검과 운동 타당성 점검의 조합이 센서 고장과 시스템 수준의 고장 모두에 효과적으로 작용하는가?
• RQ3 제안된 모니터가 ASIL 준수 하드웨어에서 낮은 지연을 유지하면서 실시간 자율주행 시스템에 효율적으로 구현 가능한가?
• RQ4 기존의 부가 시스템 기반 또는 점유 격자 기반 모니터링 접근 방식과 비교해 볼 때, 탐지 정확도와 계산 비용 사이의 성능 트레이드오프는 어떠한가?
• RQ5 RSS 기반 계획 모니터와 통합되었을 때, 시스템 전체의 안전성은 어느 정도 향상되는가?

주요 결과

• 모니터는 0.7m를 초과하는 영구적 위치 오차 또는 2m/s를 초과하는 일시적 속도 오차를 탐지할 때 >90%의 정밀도와 재현율을 달성한다.
• 영구적 속도 오차의 경우, 편차가 6m/s를 초과할 때 탐지 성능이 90%를 초과하여 안전 기준 시나리오에 충분하다.
• ASIL 준수 하드웨어인 인텔 애톰 CPU에서 센서 점검은 평균 17ms, 타당성 점검은 12ms 소요되어 실시간 운영의 가능성을 입증한다.
• 이전의 동적 점유 격자 기반 접근 방식은 고성능 하드웨어에서 100ms 이상의 지연을 요구했지만, 본 방법은 이에 비해 계산 오버헤드를 크게 감소시켰다.
• 센서 기반 및 모델 기반 검증을 조합함으로써 공통 원인 센서 고장과 SOTIF 관련 오류를 효과적으로 탐지할 수 있다.
• 구현은 확장 가능하며, 기존의 perception 및 계획 스택(예: RSS 기반 안전 감시자 포함)과 호환된다.