Stress Testing Autonomous Racing Overtake Maneuvers with RRT
Stress Testing Autonomous Racing Overtake Maneuvers with RRT
复制标题
使用 RRT 对自动赛车超车动作进行压力测试
DOI：
10.1109/iv51971.2022.9827237
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Mangharam, Rahul
中科院分区：
文献类型：
--
作者：
Bak, Stanley;Betz, Johannes;Chawla, Abhinav;Zheng, Hongrui;Mangharam, Rahul
高性能自主通常必须在安全范围内运行。当系统中存在外部代理时，在不牺牲性能的情况下确保安全的过程变得极其困难。在本文中，我们提出了一种基于快速探索随机树（RRT）算法对此类系统进行压力测试的方法。我们建议通过对抗性代理扰动来发现此类系统中的故障，其中其他代理在其他固定场景中的行为会被修改。这创造了一个巨大的可能性搜索空间，我们可以随机探索，也可以使用集中策略来探索，该策略在可观察状态的有界投影（我们称之为目标空间）中运行 RRT。该方法用于生成测试，以评估自动驾驶赛车中的超车逻辑和路径规划算法，其中车辆在对抗性环境中高速行驶。我们评估了几个自动赛车路径规划器，发现所有规划器在超车操作期间都发生了大量碰撞。集中 RRT 搜索发现的事故比随机策略多几倍，对于某些规划者来说，赛道后半段的事故多出数十到数百倍。
High-performance autonomy often must operate at the boundaries of safety. When external agents are present in a system, the process of ensuring safety without sacrificing performance becomes extremely difficult. In this paper we present an approach to stress test such systems based on the rapidly exploring random tree (RRT) algorithm.We propose to find faults in such systems through adversarial agent perturbations, where the behaviors of other agents in an otherwise fixed scenario are modified. This creates a large search space of possibilities, which we explore both randomly and with a focused strategy that runs RRT in a bounded projection of the observable states that we call the objective space. The approach is applied to generate tests for evaluating overtaking logic and path planning algorithms in autonomous racing, where the vehicles are driving at high speed in an adversarial environment. We evaluate several autonomous racing path planners, finding numerous collisions during overtake maneuvers in all planners. The focused RRT search finds several times more crashes than the random strategy, and, for certain planners, tens to hundreds of times more crashes in the second half of the track.
登录
查看更多内容
混合系统的多重射击、基于 CEGAR 的伪造
DOI：
10.1145/2656045.2656061
发表时间：
2014
影响因子：
2.9
作者：
Aditya Zutshi;Jyotirmoy V. Deshmukh;S. Sankaranarayanan;J. Kapinski
通讯作者：
J. Kapinski
用于测试和验证机器人控制器的基于采样的算法
DOI：
--
发表时间：
2006
期刊：
Int. J. Robotics Res.
影响因子：
--
作者：
Jongwoo Kim;J. Esposito;Vijay R. Kumar
通讯作者：
Vijay R. Kumar
用于自动驾驶车辆回归测试的自动场景生成
DOI：
--
发表时间：
2017
期刊：
2017 IEEE 20th International Conference on Intelligent Transportation Systems (ITSC)
影响因子：
--
作者：
Elias Rocklage;Heiko Kraft;Abdullah Karatas;J. Seewig
通讯作者：
J. Seewig
用于加速汽车安全验证的关键因素图情况集群
DOI：
--
发表时间：
2019
期刊：
2019 IEEE Intelligent Vehicles Symposium (IV)
影响因子：
--
作者：
T. Wheeler;Mykel J. Kochenderfer
通讯作者：
Mykel J. Kochenderfer
DOI：
--
发表时间：
2019
期刊：
--
影响因子：
--
作者：
Matthew O'Kelly;Hongrui Zheng;D. Karthik;Rahul Mangharam
通讯作者：
Matthew O'Kelly;Hongrui Zheng;D. Karthik;Rahul Mangharam