[論文レビュー] Reimagining an autonomous vehicle

Jeffrey Hawke, E Haibo+2 more|arXiv (Cornell University)|Aug 12, 2021

Autonomous Vehicle Technology and Safety参考文献 44被引用数 5

ひとこと要約

本論文は、エンドツーエンドの機械学習に基づく自律走行の根本的再考であるAV2.0を提案する。古典的なモジュラー・アーキテクチャ（AV1.0）は一般化性とスケーラビリティに欠けると主張し、生のセンサ入力を制御行動へ直接マッピングする学習された意思決定システムの導入を提唱する。これにより、データ駆動型で解釈可能かつ転送可能な表現を通じて、未知のシナリオへの頑健な一般化が可能となる。

ABSTRACT

The self driving challenge in 2021 is this century's technological equivalent of the space race, and is now entering the second major decade of development. Solving the technology will create social change which parallels the invention of the automobile itself. Today's autonomous driving technology is laudable, though rooted in decisions made a decade ago. We argue that a rethink is required, reconsidering the autonomous vehicle (AV) problem in the light of the body of knowledge that has been gained since the DARPA challenges which seeded the industry. What does AV2.0 look like? We present an alternative vision: a recipe for driving with machine learning, and grand challenges for research in driving.

研究の動機と目的

• 自律走行における技術的スケーラビリティの継続的課題に対処すること。著者らは、これが広範な展開の主な障壁であると特定している。
• 現在のAV1.0システム（手作業で設計されたコンponentsとモジュラー・パイプラインに基づくもの）が、複雑で未知の環境において脆く、一般化性に欠けると主張すること。
• AV2.0を、認識、予測、計画を統合した1つの微分可能なポリシー・ネットワークとして統合的かつエンドツーエンドの機械学習ベースのアーキテクチャとして提案すること。
• 解釈可能で分離可能な表現およびオフポリシー学習の研究の必要性を強調し、安全で一般化可能かつ転送可能な走行ポリシーを実現すること。
• 進んだデータ共有、改善されたシミュレータ、学術界と産業界の強力な連携を促すことで、エンベッデッド知能および自律走行分野における進歩を加速すること。

提案手法

• 生のセンサ入力（例：カメラ、LiDAR）を深層ニューラルネットワークを介して制御行動へ直接マッピングするエンドツーエンドでデータ駆動型のポリシー学習フレームワークを採用する。
• データ効率を最大化し、希少でエッジ・ケースのシナリオを含む多様な実世界走行経験からの学習を可能にするために、オフポリシー学習の活用を強調する。
• モデルの透明性を向上させ、より良い検証と障害分析を可能にするために、分離可能で解釈可能な表現の概念を導入する。
• 多様な世界的な走行状況とエッジ・ケースをカバーする走行ポリシーのベンチマークおよび検証のための包括的シミュレータ環境を提案する。
• 学習されたポリシーを補完するため、特定の障害モードを検出し緩和する冗長で解釈可能なモジュールを安全保証に統合する。
• 動的なフォローアップ・ディスタンスなど、進化する社会的・規制的ニーズに適応できる報酬形状化メカニズムを設計し、人間の監視なしに長期的なポリシー適応を可能にする。

実験結果

リサーチクエスチョン

• RQ1 手作業で設計された世界表現に依存せずに、未確認の走行シナリオへの頑健な一般化を達成するには、自律走行システムはどのようにすればよいか？
• RQ2 古典的なモジュラー・パイプラインを超えて、スケーラブルで安全かつ転送可能な意思決定を実現するためのアーキテクチャ的およびトレーニング・パラダイムは何か？
• RQ3 解釈可能で分離可能な表現は、学習された走行ポリシーの検証可能性と安全性をどの程度向上できるか？
• RQ4 オフポリシー学習とカリキュラム・データ戦略は、実世界での展開におけるデータ効率とパフォーマンスをどのように向上できるか？
• RQ5 適応的報酬形状化は、規制や社会的期待の変化に応じて進化する自律走行車両を可能にするために果たす役割は何か？

主な発見

• 古典的なAV1.0システムは、脆く手作業で設計された表現とモジュラー・コンponentsに起因し、新しいまたは複雑な走行シナリオでは一般化に失敗する。
• エンドツーエンドの学習されたポリシーは、表現が分離可能で転送可能であれば、最小限の再トレーニングで新しい環境や走行条件に一般化できる。
• 解釈可能な表現は、検証と障害分析をより良く可能にし、学習された走行システムの安全なクリティカルな展開を支援する。
• オフポリシー学習はデータ効率を顕著に向上させ、大規模かつ多様な実世界走行データからの有効なポリシー訓練を可能にする。
• 安全に重要なコンponents（例：解釈可能な障害検出器）を深層学習ポリシーと統合することで、堅牢性と準拠性を確保できる。
• オープンデータ共有、包括的シミュレータ、学術界と産業界の連携は、スケーラブルで一般化可能な自律走行に向けた進歩を加速させるために不可欠である。