1. “How Good is Good Enough?“ in Autonomous Driving? by H.P. Schoener
本文提出一個量化自駕車功能"是否夠好"的方法。
自動駕駛就是把人類開車時95%會做對的事情自動化，把剩下5%最小化。據統計，德國高速公路(Autobahn)平均每行駛750萬公里會有一次S0等級(S0是最輕微的)事故，也就是說自駕車測試至少要跑750萬公里且不能發生任何事故。
五大常見的意外起因:
a. 硬體或某零件故障
b. 感知能力不足(道路、交通、號誌、環境)
c. 控制能力不足(ex:演算法沒考慮到)
d. 與行為有關的事故(酒駕、闖紅燈、未保持安全距離)
e. 人車互動出錯
所以，目前測試自駕車不僅僅需要驗證足夠的里程數，還得系統化的特地去測試一些critical scenarios才行。
作者表示，人類之反應受限於感知,解讀,論斷,行動四步驟。所以自駕車之反應時間要至少跟這個一樣或比人類好。自駕車要絕對避免"endangering"(危害)他人，且盡量避免"bothering/hindering"影響到他人。 雖然我們無法針對所有情境進行測試，但是一些最基本的底線要守住，例如車子煞停的能力在每個實驗中都要被驗證，而其中worst-case就是當所以sensor都失去感知作用時(例如壞掉、極端天氣)，車子也要能"自動盲煞"。其實，煞車應該是自駕車最重要的功能了，從SAE level3以上等級之車子的特性就是人類駕駛可以不用手握方向盤，但是(level3)當車子無法處理的時候，會有大概數秒的通知人類時間接手控制，這數秒的時間乘上時速，就是車子往前的距離，人類若來不及接手，至少車子也要能自動煞停。另外，自駕車應該要能自己"閱讀空氣"，有防禦駕駛的觀念，才能避免危害(例如旁邊有一輛酒駕在蛇行，自駕車應該要能自己離它遠一點)。 其中，德國的PEGASUS計畫就是在研究"多好才算是好"，以及"要如何驗證?"並推動相關規範標準化。
當然，100%避免事故是不可能的，因為交通發生在大自然，而可能的變數太多，重點就在於發生無法預測但可想像的危害前，自駕車是否能有一套評估level of danger的方法，為自己與他人爭取更多的反應時間。 HP Schoener之另一個作品 "Challenges and Approaches for Testing of Highly Automated Vehicles"裡面提到一個計算風險Risk之公式: R = E(1-C)S。 其中 R(風險)與E(Exposure，曝曬風險)，C(Controllability，控制力)和S(Severity，嚴重性)有關。
目前SAE等級2與以下的功能，也就是大多數的ADAS，都是致力於提升車輛在"嚴重危害即將產生時"之控制力，例如緊急煞車系統(AEB)，車道偏離警示系統(LDW，LKA)都是此類。 他們在大多數時間不啟動功能，也就是對於E指標沒有影響，而自駕車(主要指含level3以上功能)之主要任務則是降低E指標，達到"趨吉避凶"之目的。
p.s.這樣看來，自駕車設計真的不容易啊! design space太廣了，我們必須限縮自駕功能正常運作之情境。 另外，有些突發情況，例如突然的大風、土石流、暴雨、積雪濕滑的路面、從橋上掉下來的物品、前車掉落的貨物......這些都是自駕車要極力去避免的，才能使E降低。另外，在設計自駕車時，我們考慮其他人類駕駛的行為不能總往worst-case去想，這樣子訓練出來的車就會太過保守而變得沒有作用。所以我們得假設人類會遵守一定規範。
接著呢，就是本文重點，首先可以用法律規範，將他們進一步分解為關鍵字，例如:must-遵守、should遵守之類的，然後把這些人類讀的主觀文字(例如:前進時看前面"足夠遠"的地方、倒車時看向倒車方向)，以及harming,endangering,hindering,bothering用更具體的數字去量化(例如:以反應時間長短來分類危害類型)，使得依據此量化標準分類後的結果之機率分布符合文字敘述(有點像fuzzy control在做的事)。最後，作者提到一句話讓我印象深刻:他說自動駕駛從自動煞車開始。 :D
關鍵字:Responsibility-Sensitive Safety (RSS) model, Minimal Operational Design Domain (ODD)
No comments:
Post a Comment