[論文レビュー] Automatic Map Generation for Autonomous Driving System Testing

Yun Tang, Yuan Zhou+6 more|arXiv (Cornell University)|Jun 19, 2022

Autonomous Vehicle Technology and Safety被引用数 6

ひとこと要約

Feat2Map は、特徴ベースのアプローチにより交差点をモデル化することで、自動運転システム（ADS）のテストに適した、要約的でシナリオ多様性に富んだ高精細（HD）地図を自動生成する画期的なフレームワークである。入力地図またはユーザー入力から交差点特徴を抽出・サンプリングし、コードカバレッジを保持するとともにシナリオ多様性を向上させるグリッドレイアウト地図を構築する。

ABSTRACT

High-definition (HD) maps are essential in testing autonomous driving systems (ADSs). HD maps essentially determine the potential diversity of the testing scenarios. However, the current HD maps suffer from two main limitations: lack of junction diversity in the publicly available HD maps and cost-consuming to build a new HD map. Hence, in this paper, we propose, FEAT2MAP, to automatically generate concise HD maps with scenario diversity guarantees. FEAT2MAP focuses on junctions as they significantly influence scenario diversity, especially in urban road networks. FEAT2MAP first defines a set of features to characterize junctions. Then, FEAT2MAP extracts and samples concrete junction features from a list of input HD maps or user-defined requirements. Each junction feature generates a junction. Finally, FEAT2MAP builds a map by connecting the junctions in a grid layout. To demonstrate the effectiveness of FEAT2MAP, we conduct experiments with the public HD maps from SVL and the open-source ADS Apollo. The results show that FEAT2MAP can (1) generate new maps of reduced size while maintaining scenario diversity in terms of the code coverage and motion states of the ADS under test, and (2) generate new maps of increased scenario diversity by merging intersection features from multiple maps or taking user inputs.

研究の動機と目的

• 公開済みの HD 地図に見られる交差点の多様性不足が、ADS テストにおけるシナリオ多様性を制限しているという問題に対処する。
• シミュレーションベースの ADS 検証のための新しい HD 地図を手作業で作成する際の高コストおよび人的負荷の高い課題を克服する。
• コードカバレッジを維持または向上させつつ、要約的で多様な HD 地図を自動生成する手法を開発する。
• ユーザー定義の交差点特徴に基づいたカスタマイズ可能な地図生成を可能にする。
• 複数の入力地図からの特徴を統合することで、個々の地図の制限を超えたシナリオ多様性を向上させる。

提案手法

• 交差点を特徴付けるための特徴ベクトルを定義し、道路数、向き、交通制御、歩行者横断帯の有無を含む。
• 入力 HD 地図またはユーザー指定の要件から、各特徴の可能なすべての値を抽出する。
• 組み合わせ的サンプリングを適用し、すべての可能性をカバーする最小限のユニークな特徴組み合わせのセットを生成する。
• 各サンプリングされた特徴ベクトルから個々の交差点を構築し、グリッドレイアウトに接続して完全な HD 地図を形成する。
• ユーザーが交差点特徴（例：片側通行、両側通行）や幾何的構成を手動で定義できるようにすることで、カスタム地図生成をサポートする。
• 3次ベジエ曲線を用いて、交差点間の滑らかで接続された道路セグメントをモデル化し、現実的な道路ジオメトリを実現する。

実験結果

リサーチクエスチョン

• RQ1 Feat2Map は、既存の入力地図から要約的 HD 地図を生成可能であり、コードカバレッジおよび ADS の運動状態の観点でシナリオ多様性を保持できるか？
• RQ2 複数の入力地図（例：サンフランシスコ、GoMentum、Shalun）からの交差点特徴を統合することで、個々の地図を上回る認識されるシナリオ多様性が得られるか？
• RQ3 Feat2Map はユーザー定義の交差点特徴に基づいてカスタム HD 地図を生成可能であり、シナリオカバレッジの観点でどの程度のパフォーマンスを示すか？
• RQ4 裸の交差点（交通制御なし）の含め方が、生成された地図におけるシナリオ多様性およびコードカバレッジにどのように影響するか？

主な発見

• Feat2Map は、実世界の地図と同等のコードカバレッジを維持しながら地図サイズを削減する地図を効果的かつ効率的に生成した。
• 複数の入力地図から生成された地図（M₄）は、個々の地図と同等のコードカバレッジを達成したが、裸の交差点の導入により、以前にカバーされていなかった1段階のみのパス（LF）を含む新たなテストパスを導入した。
• 複数の地図からの特徴統合により、シナリオ多様性が向上したことが、アポロ7.0 ADS における新たな運動状態および制御パターンの発見によって裏付けられた。
• ユーザー定義の特徴（例：信号制御付きの5道路メガジャンクション、特定の角度配置）が正常に生成されたことから、フレームワークの柔軟性およびカスタマイズ可能性が確認された。
• フレームワークは、片側通行道路や非対称な道路接続といった複雑な交差点タイプを、ソケットごとの道路タイプをモデル化することで効果的に処理した。
• 地図圧縮にもかかわらず、コードカバレッジに顕著な低下が見られず、リアルな ADS テストに不可欠なトポロジカルおよび幾何的特徴が保持された。