[논문] 자율주행 인지 기반 폐쇄‑루프 시뮬레이션을 위한 인과 확률 프레임워크

Source: arXiv - 2606.07186v1

개요

Software‑in‑the‑loop (SIL) 시뮬레이션은 현대 자동차 안전 기능 검증의 핵심 요소입니다. 그러나 현재 많은 프레임워크가 이상적인 센싱을 사용하여 인식 알고리즘의 기능적 부족을 무시하고, 과도하게 낙관적인 안전 평가를 초래합니다. 본 논문은 실제 인식 행동과 시뮬레이션의 진실값 사이의 격차를 메우는 인식‑기반 SIL 테스트 방법론을 제안합니다. 우리는 표준화된 시나리오 기반 시뮬레이션 툴체인에 인과 확률 모델을 통합하는 프레임워크를 제시하며, 이는 고급 운전자 지원 시스템(ADAS)과 자율 주행 시스템(ADS) 모두에 적용 가능합니다. 우리의 접근법은 안개, 비, 객체 병합 상황과 같은 물리적 트리거 조건에서 파생된 탐지 손실, 크기 부정확성, 위치 오차와 같은 현실적인 인식 오류를 체계적으로 주입할 수 있게 합니다. 이러한 “결함”을 표준화된 시뮬레이션 환경에서 평가함으로써, 인식‑기반 테스트가 이상적인 SIL 환경에서는 포착되지 못하는 잠재적 운영 위험을 드러냄을 보여주며, SOTIF(ISO 21448) 검증을 위한 확장 가능한 경로를 제공합니다.

핵심 기여

본 논문은 다음 분야의 연구를 제시합니다.

• cs.RO
• cs.SE

방법론

자세한 방법론은 전체 논문을 참고하십시오.

실용적 함의

이 연구는 cs.RO 분야의 발전에 기여합니다.

저자

• Zhennan Fei
• Rickard Johansson
• Mikael Andersson
• Matthias Eng
• Mattias Eriksson
• Kaveh Kianfar
• Sadegh Rahrovani
• Chris van der Ploeg
• Michael Borth
• Maren Buermann
• Michiel Braat
• Henk Goossens
• Zijian Han
• Majid Khorsand Vakilzadeh
• Gabriel Rodrigues de Campos

논문 정보

• arXiv ID: 2606.07186v1
• 분류: cs.RO, cs.SE
• 발행일: 2026년 6월 5일
• PDF: PDF 다운로드