Navigating the Edge with the State-of-the-Art Insights into Corner Case Identification and Generation for Enhanced Autonomous Vehicle Safety
Created by
Haebom
Category
Empty
저자
Gabriel Kenji Godoy Shimanuki, Alexandre Moreira Nascimento, Lucio Flavio Vismari, Joao Batista Camargo Junior, Jorge Rady de Almeida Junior, Paulo Sergio Cugnasca
개요
본 논문은 자율주행 자동차(AV) 안전성 향상을 위해 합성 데이터를 활용한 가상 시뮬레이션 기법을 중점적으로 다룹니다. 특히, 자율주행 시스템의 취약점을 드러내고 개선하는 데 중요한 극한 상황(corner cases, CCs) 데이터 생성 및 식별 방법론을 체계적으로 분석한 문헌 연구입니다. 1673편의 초기 논문 후보군에서 선정 기준을 적용하여 110편의 논문을 분석, 8가지 연구 질문에 답하고자 다양한 범주로 분류하였습니다. 산업계, 학계, 규제 기관 간의 협력을 통한 안전한 개발을 위한 통합적 접근 방식을 권고합니다.
시사점, 한계점
•
시사점:
◦
자율주행 자동차 안전성 향상을 위한 합성 데이터 활용의 중요성을 강조합니다.
◦
극한 상황 데이터 생성 및 식별 방법론에 대한 체계적인 분석을 제공합니다.
◦
산업계, 학계, 규제 기관 간의 협력을 통한 통합적 접근 방식의 필요성을 제시합니다.
•
한계점:
◦
분석에 사용된 논문 수(110편)가 초기 후보군(1673편)에 비해 상대적으로 적을 수 있습니다.
