现代自动驾驶汽车系统使用复杂的感知和控制组件,必须应对从传感器收到的不确定数据。为了估计此类车辆保持安全状态的可能性,开发人员经常采用耗时的模拟方法。本文提出了一种基于广义多项式混乱(GPC)的车辆系统中自治管道的替代方法。我们还提出了气体,这是第一种用于创建和使用复杂车辆系统的GPC模型的算法。气体用感知模型代替了复杂的感知成分,以降低复杂性。然后,它构建了GPC模型,并将其用于估计状态分布和/或输入不安全状态的概率。我们在农作物管理车辆,自动驾驶汽车和空中无人机中使用的五种情况下评估气体 - 每个系统都使用至少一个复杂的感知或控制组件。我们表明,气体计算的状态分布与蒙特卡洛模拟所产生的分布非常匹配,同时也提供2.3倍-3.0倍的加速。
translated by 谷歌翻译