Safe by Design Autonomous Driving Systems

开发安全的自动驾驶系统是一个重大的科学和技术挑战。现有的基于人工智能的端到端解决方案无法提供必要的安全保证，而传统的系统工程方法则被问题的复杂性所击败。目前，越来越多的人对混合设计解决方案感兴趣，该方案集成了机器学习组件（必要时），同时使用基于模型的组件进行目标管理和规划。 我们研究了一种构建安全自动驾驶系统的方法，该方法基于一个假设，即驾驶能力归结为执行一组给定的驾驶操作的协调执行。该假设通过一个组合性结果得到证实，考虑到自动驾驶仪是接收少量类型的视野作为输入的动态系统，每个视野定义其邻域中的自由空间。结果表明，在相应自由空间中每种类型的视野的安全驾驶，意味着在一些易于检查的条件下，任何可能的情况下都是安全的。所设计的自动驾驶仪包括不同的控制策略，每种策略对应一种类型的视野，分为两个连续的阶段。第一阶段是通过虚拟减速来小心地处理潜在的风险情况，而第二阶段则是通过加速来退出该情况。 所设计的自动驾驶仪使用简单的函数进行预测，这些函数描述了车辆的加速和减速能力。它们涵盖了主要的驾驶操作，包括进入主要道路、超车、穿过由交通信号灯或信号保护的交叉口以及在高速公路上行驶。所呈现的结果强化了混合解决方案的案例，该方案包括数学优雅且稳健的决策方法，是通过设计实现安全的。

论文试图设计安全的自动驾驶系统，解决现有AI和传统工程方法面临的安全性和复杂性问题。

论文提出了一种基于组合性假设的自动驾驶系统设计方法，将机器学习和模型驱动的组件结合起来，实现安全驾驶。

论文中设计了一种自动驾驶系统，使用简单函数预测车辆的加减速能力，涵盖了主要的驾驶操作，包括进入主干道、超车、穿过交叉口等。实验结果表明该方法安全可靠。

最近的相关研究包括基于深度学习的端到端自动驾驶系统，以及使用模型预测控制的自动驾驶系统设计。