[논문 리뷰] Rapidly-exploring Random Trees-based Test Generation for Autonomous Vehicles

Cumhur Erkan Tuncali, Georgios Fainekos|arXiv (Cornell University)|2019. 03. 25.

Robotic Path Planning Algorithms참고 문헌 17인용 수 8

한 줄 요약

이 논문은 자율주행차를 위한 RRT*-기반 테스트 생성 방법을 제안하며, 에이전트 차량의 주행 행동을 경로 계획 문제로 모델링하여 경계 케이스 충돌—근접 충돌 또는 거의 피할 수 없는 충돌—을 탐색하기 위해 새로운 비용 함수를 사용한다. 이 방법은 국소 최소값을 피하고 고차원적이고 복잡한 주행 환경에서 더 다양하고 중요한 시나리오를 발견함으로써 최적화 기반의 가짜 검증보다 우수한 성능을 발휘한다.

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.

연구 동기 및 목표

• 많은 국소 최소값을 포함한 고차원적이고 복잡한 주행 시나리오를 탐색하는 데 있어 최적화 기반의 가짜 검증 기법의 한계를 해결하기 위해.
• 에이전트 차량이 근접 충돌에 가까운 경계 케이스를 탐색할 수 있도록 탄력적이고 파rameter-free인 경로 생성을 가능하게 하는 RRT 기반 접근법을 개발하기 위해.
• 근접 충돌 또는 거의 피할 수 없는 충돌 시나리오를 햖을 때 유의미한 비용 함수를 설계하기 위해.
• 수동으로 설계된 경로 파라미터화에 의존도를 줄임으로써 테스트 커버리지와 다양성을 향상시키기 위해.

제안 방법

• 이 방법은 RRT*와 T-RRT 원리를 결합하여 새로운 비용 함수를 사용해 경계 케이스 충돌 쪽으로 탐색을 유도한다.
• 진화 알고리즘에서 유래한 흐물러짐 기반 최소 확장 제어를 도입하여 탐색과 정밀 조정의 균형을 이루도록 한다.
• 고정된 웨이포인트 파라미터화 없이 동적으로 경로를 생성함으로써 더 넓은 탐색 공간 커버리지가 가능하다.
• 충돌에 가까운 정도를 반영하는 안전성/성능 지표(예: 충돌까지 시간, 충격 속도 등)를 최소화하도록 비용 함수를 설계한다.
• 변동 가능한 시뮬레이션 지속 시간을 지원하여 유망하지 않은 케이스는 조기에 종료하고 높은 잠재력이 있는 경우는 장기 실행이 가능하다.
• 새로움 탐지 기능을 통합하여 탐색되지 않은 또는 고유한 경로 형태를 우선순위로 지정함으로써 테스트 케이스 생성의 다양성을 향상시킨다.

실험 결과

연구 질문

• RQ1 RRT 기반 접근법이 자율주행차 테스트에서 복잡한 경계 케이스 충돌 시나리오를 탐지하는 데 있어 최적화 기반의 가짜 검증보다 뛰어난 성능을 보일 수 있는가?
• RQ2 제안된 비용 함수는 전통적인 가짜 검증 방법에 비해 근접 충돌 또는 거의 피할 수 없는 충돌 시나리오 탐지에 어떻게 기여하는가?
• RQ3 RRT 기반 접근법은 고차원 탐색 공간에서 최적화 기반 방법이 봉착하는 국소 최소값을 어느 정도 피할 수 있는가?
• RQ4 RRT 기반 방법은 사전 정의된 경로 파라미터화에 의존도를 줄이면서도 테스트 케이스의 품질을 유지하거나 향상시킬 수 있는가?

주요 결과

• 100회의 실험에서 RRT 기반 접근법은 평균 최소 비용 10.2571을 기록했으며, 이는 가짜 검증 기반 접근법의 평균 13.7134보다 유의미하게 낮았다.
• 100회의 실험 중 44회에서 RRT 기반 접근법은 비용 10 근처의 국소 최소값을 성공적으로 피했으며, 이는 가짜 검증 기반 방법의 경우 2회에 불과했다.
• RRT 기반 접근법은 11개의 고유한 충돌 케이스를 발견했으며, 이 중에는 가짜 검증 방법이 오직 한 번만 발견했고 비용이 훨씬 낮은 0.0043이었던 저속도 충돌 케이스도 포함되었다.
• RRT 기반 방법은 경로를 표현하기 위해 8에서 68개의 파rameter가 필요로 했으며, 고정된 웨이포인트 제약 없이도 탄력적인 표현이 가능함을 보여주었고, 이는 가짜 검증 방법의 고정 파rameter화와 대비된다.
• 상자 그림 분석(그림 17)은 RRT 기반 접근법이 복잡한 시나리오에서 항상 낮은 최소 비용과 더 나은 수렴 성능을 보였음을 확인했다.
• 연구 결과는 RRT 기반 탐색과 가짜 검증 기반 정밀 조정을 조합하면 두 기법의 장점을 살려 더 뛰어난 테스트 생성 성능을 낼 수 있을 것임을 시사한다.