[논문 리뷰] Using Ontologies for the Formalization and Recognition of Criticality for Automated Driving

Lukas Westhofen, Christian Neurohr외 3명|arXiv (Cornell University)|2022. 05. 03.

Semantic Web and Ontologies인용 수 4

한 줄 요약

이 논문은 기술적 지식 표현과 규칙 기반 추론을 활용하여 자율주행 시스템에서 임계성 요인을 모델링하고 추론하기 위한 온톨로지 기반 프레임워크를 제안한다. 설명 논리학과 규칙 기반 추론을 활용하여 교통 환경을 6-레이어 모델로 표현함으로써, 가림, 예측 불가능한 행동, 악천후와 같은 위험 요인을 논리적 공리로 조기에 탐지할 수 있으며, 대규모 드론 데이터셋을 활용한 평가에서 복합적인 임계 시나리오를 견고하게 인식하는 것으로 나타났다.

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.

연구 동기 및 목표

• 자율주행 시스템에서 열린, 복잡한 도심 교통 환경을 모델링하는 데 도전 과제를 해결하기 위해.
• 가림, 예측 불가능한 행동, 악천후와 같은 안전 관련 임계성 현상들을 기계가 이해할 수 있는 지식 모델로 형식화하기 위해.
• 교통 충돌 이전에 임계성 요인의 조합을 추론하여 조기에 강력한 위험 평가를 가능하게 하기 위해.
• 자율주행 시스템의 검증 및 검증(V&V) 파이프라인에 온톨로지 기반 추론을 통합하여 안전 보장을 향상시키기 위해.
• 대규모 드론 기반 도심 교통 데이터셋을 활용하여 타당성과 확장성을 입증하기 위해.

제안 방법

• 자율주행의 환경적 맥락을 계층적이고 의미적으로 유의미한 레이어로 나누기 위해 6-레이어 모델을 활용한다.
• 도메인 특화의 임계성 현상(CP)을 기술 논리(DL) 온톨로지 내 논리적 공리로 정의하며, 형식적 정의와 제약 조건을 사용한다.
• HermiT나 Pellet과 같은 통합 기술 논리 및 규칙 추론기(예: HermiT 또는 Pellet)를 적용하여 센서 또는 장면 데이터로부터 임계성 요인의 존재를 추론한다.
• 사전에 정의된 기predicate 보강을 통해 추론에 필요한 의미적 특징(예: 객체 유형, 운동 패턴 등)을 입력 데이터에 통합한다.
• 가림과 같은 복잡한 현상을 n-항 관계와 기하학적 추론을 사용해 모델링하며, 공간적 교차와 원호 계산을 통해 가시성 영역과 가림 비율을 정의한다.
• 시간적 및 공간적 지표(예: TTB, areq)를 임계성 요인 조합의 유도 결과로 표현하여 조기 위험 예측을 가능하게 한다.

실험 결과

연구 질문

• RQ1 온톨로지가 도심 자율주행 환경에서 다양한 안전 관련 환경적 요인을 효과적으로 형식화하고 표현할 수 있는가?
• RQ2 온톨로지 기반 논리적 추론이 교통 충돌 발생 이전에 임계성 현상을 조기에 탐지할 수 있는 정도는 어느 정도인가?
• RQ3 제안된 온톨로지 기반 접근법이 다양한 실제 도심 교통 시나리오에 대해 얼마나 잘 확장되고 일반화되는가?
• RQ4 형식적 온톨로지를 V&V 파이프라인에 통합함으로써 자율주행 시스템의 안전 관련 행동에 대한 추적 가능성과 검증 가능성이 향상되는가?
• RQ5 복잡한 다중 요인 임계 시나리오(예: 가려진 보행자, 높은 상대 속도 등)를 탐지하는 데 시스템의 성능은 어떠한가?

주요 결과

• 온톨로지는 가림, 예측 불가능한 행동, 악천후 등 20개 이상의 임계성 현상을 정확한 논리적 공리로 성공적으로 형식화하였다.
• 복잡하고 혼잡한 도심 환경에서도 가려진 보행자, 높은 상대 속도 등의 임계성 요인을 높은 일관성으로 탐지하였다.
• 사전에 정의된 기predicate 보강이 원시 센서 데이터에 의미적 맥락을 통합함으로써 임계성 인식 정확도를 크게 향상시켰다.
• 규칙 기반 추론기에서 임계성 요인 조합으로부터 파생된 위험 지표(예: 감소된 TTB, 증가한 areq)를 정확히 추론하여 조기 위험 평가를 가능하게 하였다.
• 대규모 드론 데이터셋을 활용한 평가에서 복합적인 다중 요인 임계 시나리오(예: 등교 시간에 학교 근처에 있는 어린이)를 탐지하는 데서 방법의 견고성이 입증되었다.
• 모듈화된 온톨로지 기반 접근법은 새로운 또는 변화하는 교통 현상에 적응 가능하여 도심 주행 환경의 개방성 특성을 잘 반영하였다.