In parole semplici
Un modello di guida può riconoscere un pericolo nelle immagini e comunque non frenare in tempo. L’articolo esamina tre possibili spiegazioni: il pericolo manca nelle informazioni del modello, il modello non riesce a frenare oppure il pericolo non influenza abbastanza il percorso pianificato.
Gli autori hanno aggiunto un vincolo di arresto mentre Alpamayo-1.5 generava i percorsi, senza modificarne i pesi. Nelle scene simulate in cui era necessario frenare, le esecuzioni guidate hanno evitato un’auto ferma in tutte le 24 scene; quelle senza guida l’hanno urtata in 13. Per questa prova, il vincolo era sempre attivo ed era specificato con precisione.
La ricerca
Quando il percorso di un modello di guida raggiunge un pericolo, che cosa è andato storto? Al modello mancavano le informazioni, non riusciva a produrre una risposta sicura oppure le informazioni non hanno influenzato la sua azione?
Le diverse cause richiedono spiegazioni diverse, che le misure della qualità media delle traiettorie potrebbero non distinguere.
Gli autori aggiungono un vincolo di arresto durante la generazione delle traiettorie per verificare se una guida diretta basata sul pericolo può indurre un modello di guida, mantenuto invariato, a frenare in sicurezza.
Gli autori hanno verificato se la risposta debole di Alpamayo-1.5 agli ostacoli fermi dipendesse dalla mancanza di informazioni visive, dall’incapacità di frenare o dall’influenza insufficiente delle informazioni sul pericolo sul piano.
Scene simulate abbinate isolavano la presenza dell’ostacolo come differenza principale, mentre prove separate con rimozione di singoli dati misuravano quali canali modificassero la traiettoria.
La rappresentazione visiva permetteva di distinguere le scene con ostacoli da quelle con strada libera, ma i percorsi a breve distanza invadevano comunque l’impronta dell’ostacolo. Rimuovere la cronologia del veicolo in esame spostava i piani longitudinali molto più che oscurare le immagini.
Quando un vincolo di arresto preciso guidava la generazione, l’intrusione diminuiva nei siti già visti e la guida ha evitato il contatto in tutte le 24 scene in closed loop in cui era necessario frenare. Nel complesso, questi risultati sostengono l’ipotesi di un divario tra le informazioni sul pericolo e l’azione, entro i limiti del modello e delle simulazioni testati.
Le scene di pericolo erano sintetiche e la footprint intrusion è una misura della pianificazione, non del tasso di incidenti nel mondo reale.
Il risultato in closed loop riguarda 24 scene simulate in cui era necessario frenare e usa un vincolo di arresto sempre attivo e specificato con precisione; l’articolo non mostra che un sistema sappia decidere in modo affidabile quando attivarlo.
Analisi
Dettagli
- Autori del paper originale
- Matteo Cercola, Katie Z Luo, Simone Formentin, Marco Pavone
- Inviato ad arXiv
- Licenza
- CC BY 4.0