2279
自動駕駛車輛（AV）集成了復雜的感知和定位組件，以創(chuàng)建其周圍世界的模型，然后用于安全導航車輛?；?a class="article-link" target="_blank" href="/tag/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">機器學習（ML）的模型被普遍用于這些組件中，以從嘈雜的傳感器數(shù)據(jù)中提取物體信息。對這些組件的要求主要是為了實現(xiàn)盡可能高的準確性。由于現(xiàn)代汽車部署了許多傳感器（視覺、雷達和激光雷達），實時處理所有的數(shù)據(jù)導致工程師做出權衡，這可能導致在某些駕駛情況下產生次優(yōu)的系統(tǒng)。
由于缺乏對單個組件的精確要求，模塊化測試和驗證也變得具有挑戰(zhàn)性。
目前行業(yè)中，有人提出了從頂級駕駛場景仿真中推導出安全AV行為所需的抽象世界模型精度的問題。這在計算上是很昂貴的，因為世界模型可能包含許多具有多個屬性的對象，而且在仿真過程中，AV在每個時間步都會提取一個世界模型。
隨著傳感器和計算技術的發(fā)展，自動駕駛領域正在迅速發(fā)展。由于自動駕駛汽車必須在各種條件下運行，而且其系統(tǒng)實現(xiàn)的復雜性，建立自動駕駛汽車的安全性是一項具有挑戰(zhàn)性的工作。AV中的定位和感知組件吸收了傳感器和地圖信息，以創(chuàng)建一個世界模型來捕捉AV周圍的環(huán)境。然后，這個世界模型被傳遞給規(guī)劃模塊，以根據(jù)其目標創(chuàng)建一個安全的軌跡?；谝曈X和激光雷達的感知組件越來越多地使用ML模型來實現(xiàn)二維和三維物體檢測，很難推理出基于ML的感知的安全要求，因為不清楚不準確的感知是否（以及如何）會違反最高級別的安全目標。
在實踐中，不同的AV組件的要求是由自動駕駛行業(yè)的專家驅動的，主要是基于經驗。此外，這些要求是保守設置的，在不同的駕駛條件和操作設計領域（ODD）中是通用的。比如說，與稀疏的鄉(xiāng)村道路相比，在繁忙的十字路口，定位組件應該相對更準確。
同樣，感知組件在高速公路上應該有較高的召回率和精確度，但在行人區(qū)只需要較高的召回率就可以了。在理想的情況下，人們希望使用許多高分辨率（如2400萬像素）的攝像頭，以高幀率（如120FPS）運行，并采用多個高精度、復雜的DNN模型，盡可能準確地感知車輛周圍的一切。由于AV在資源有限的平臺上運行，系統(tǒng)設計者要進行權衡，設計一個足夠精確的系統(tǒng)（例如，使用200-800萬像素的相機，30FPS，以及優(yōu)化/量化的DNN模型，精度稍低）。這種基于通用要求的解決方案可能會導致系統(tǒng)在某些情況下不太安全，因為這些情況下需要在視聽設備周圍的某些區(qū)域進行高精度的感知（例如，在十字路口從側面快速接近的物體可能需要加強跟蹤）。
硬件在環(huán)（HIL）和軟件在環(huán)（SIL）仿真為AV系統(tǒng)提供有效的端到端測試方法。HIL測試使用汽車硬件、傳感器和可能的執(zhí)行器進行系統(tǒng)驗證和確認。軟件在環(huán)（SIL）仿真在設計階段以及單元和集成測試中使用，其中單元或組件的輸入是自動生成的或手工制作的，以仿真不同輸入?yún)?shù)的有效性。
為了使AV系統(tǒng)的設計能夠更好地利用資源以實現(xiàn)更安全的駕駛，行業(yè)中提出了一種仿真驅動的方法來計算安全AV行為的世界模型精度要求。
下載ECAD模型
