[论文解读] Autonomous Vehicles Meet the Physical World: RSS, Variability, Uncertainty, and Proving Safety (Expanded Version)

Philip Koopman, Beth Osyk+1 more|arXiv (Cornell University)|Oct 31, 2019

Autonomous Vehicle Technology and Safety参考文献 13被引用 4

一句话总结

本文将责任敏感安全（RSS）模型扩展至自动驾驶汽车的物理世界复杂性，通过引入变异性、不确定性和碰撞操作期间的动态变化。提出微操作设计域（μODD）框架，对操作空间进行细分，实现在定义边界的可证明安全性，同时提升行为的宽松性，并处理如中途制动碰撞等边缘情况。

ABSTRACT

The Responsibility-Sensitive Safety (RSS) model offers provable safety for vehicle behaviors such as minimum safe following distance. However, handling worst-case variability and uncertainty may significantly lower vehicle permissiveness, and in some situations safety cannot be guaranteed. Digging deeper into Newtonian mechanics, we identify complications that result from considering vehicle status, road geometry and environmental parameters. An especially challenging situation occurs if these parameters change during the course of a collision avoidance maneuver such as hard braking. As part of our analysis, we expand the original RSS following distance equation to account for edge cases involving potential collisions mid-way through a braking process. We additionally propose a Micro-Operational Design Domain (μODD) approach to subdividing the operational space as a way of improving permissiveness. Confining probabilistic aspects of safety to μODD transitions permits proving safety (when possible) under the assumption that the system has transitioned to the correct μODD for the situation. Each μODD can additionally be used to encode system fault responses, take credit for advisory information (e.g., from vehicle-to-vehicle communication), and anticipate likely emergent situations.

研究动机与目标

• 解决RSS模型在处理现实驾驶场景中极端变异性与不确定性时的局限性。
• 分析车辆状态、道路几何形状及环境参数的动态变化如何影响碰撞规避，特别是在制动期间的影响。
• 扩展RSS跟车距离方程，以考虑中途制动碰撞风险及边缘情况。
• 提出微操作设计域（μODD）框架，对操作空间进行细分，以提升安全性可证明性与行为宽松性。
• 通过将概率不确定性限制在μODD转换中，并利用建议数据与故障响应机制，实现形式化安全证明。

提出的方法

• 将原始RSS最小跟车距离方程扩展，以包含制动过程中的动态变化，建模减速度变异性与中途操作的碰撞风险。
• 引入微操作设计域（μODD）作为操作设计域的细粒度细分，以隔离关键安全条件。
• 在每个μODD内定义安全边界，假设正确域转换成立时，可实现形式化安全证明。
• 在μODD定义中整合系统故障响应、车对车（V2V）通信数据及对突发情境的预测建模。
• 利用牛顿力学建模物理相互作用，并识别在不确定性与参数变化下的故障模式。
• 采用形式化验证方法，确保每个μODD内安全属性成立，从而降低行为上的过度保守性。

实验结果

研究问题

• RQ1 如何扩展RSS模型以处理主动碰撞规避操作期间的最坏情况变异性与不确定性？
• RQ2 当车辆参数在制动过程中发生变化（如急刹车）时，RSS在物理与机械层面存在哪些限制？
• RQ3 如何对操作空间进行细分，以在保持自动驾驶行为宽松性的同时提升安全性可证明性？
• RQ4 μODD在封装概率不确定性、故障响应及建议数据（如V2V通信）方面有哪些应用方式？
• RQ5 通过将不确定性限制在μODD转换中，能否在合理假设下实现形式化安全证明？

主要发现

• 扩展后的RSS模型通过修改原始跟车距离方程以包含动态减速度变异性，成功应对了中途制动碰撞风险。
• 引入μODD使得在明确定义的操作子域内可实现形式化安全证明，降低了车辆行为的过度保守性。
• 通过将概率不确定性限制在μODD转换中，该框架可在合理假设下实现可证明的安全性。
• μODD的使用促进了建议数据（如V2V）与故障响应策略在安全关键决策中的集成。
• 分析表明，制动过程中未建模的参数变化可能使传统RSS假设失效，因此需要动态建模。
• 该框架通过将复杂不确定性隔离在域边界，使每个μODD内可实现更激进但可证明安全的行为，从而提升了宽松性。