三维熵减少技术用于降低感知不确定性并提升自动驾驶系统的安全性

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：Tri-dimensional entropy reduction for perception uncertainty mitigation and system-level safety enhancement in autonomous driving

　　

• •
  提出了一种基于可靠性的三维熵减少框架，用于评估基于LiDAR的感知不确定性。
• •
  感知不确定性的减少被分解为硬件可靠性、环境适应性和物理冗余融合效率。
• •
  公开基准测试验证表明，该框架可以利用真实的自动驾驶数据区分LiDAR的退化机制。
• •
  敏感性、消融和权衡分析揭示了薄弱环节行为、退化放大以及目标依赖的感知冗余要求。

引言

自动驾驶系统在现实世界环境中的应用日益增多，但安全性仍然是大规模商业化的主要障碍[1]，[2]。在安全相关挑战中，感知不确定性起着核心作用，因为它直接影响态势感知、决策可靠性和系统的整体风险[3]，[4]。最近的研究强调，减少不确定性是时变可靠性分析中的一个关键目标，需要量化个体和相关不确定性贡献[5]。与受控测试场景不同，现实世界的驾驶涉及复杂和长尾条件，其中传感器退化、环境干扰和算法限制会增加剩余不确定性。随着自主程度的提高，理解传感器如何减少这种不确定性对于系统设计和安全保障至关重要。

LiDAR被广泛认为是高级驾驶辅助系统（ADAS）中的关键感知传感器，能够提供准确且几何上可靠的环境信息[6]，[7]。然而，自动驾驶对安全性的要求更加广泛和严格，尤其是在感知退化或罕见的临界情景下。尽管LiDAR已被采用，但其作用仍然存在争议。以摄像头为中心的方法认为，LiDAR在数据可靠性、环境鲁棒性和系统集成方面引入了挑战，可能会给感知流程增加噪声。这一争议反映了一个根本问题：缺乏一个统一的框架来评估LiDAR的安全贡献，而不仅仅是传统的性能指标。

目前对汽车LiDAR的评估主要集中在物理感知性能上，如点密度、角分辨率和探测范围。这些指标在正常条件下很有价值，但它们无法捕捉LiDAR在存在不确定性的复杂系统中的作用。感知不确定性不仅取决于感知性能，还取决于硬件可靠性、故障诊断、对极端天气的鲁棒性、抗干扰和对抗性攻击的能力，以及与基于AI的感知算法的交互。混合统计和机器学习技术表明，在复杂的交通系统中，明确建模随机不确定性可以提高可靠性估计[8]。缺乏一个综合这些异构因素的框架，限制了对LiDAR安全贡献的客观评估。

从系统理论的角度来看，自动驾驶中的感知可以解释为持续减少环境不确定性[9]。这一观点与最近针对机器学习组件的安全保障框架一致，这些框架要求量化可靠性度量，以证明在不确定性下的安全性可接受[10]。受此启发，本文提出了一个基于熵的建模框架，通过传感器对剩余感知不确定性的影响来量化其安全贡献。我们提出了一个三维熵减少模型，该模型捕捉了硬件可靠性、环境适应性和物理感知冗余与算法信息利用之间的耦合效应。该框架为评估LiDAR系统提供了定量基础，并指导传感器选择和系统设计。

本文的主要贡献总结如下：

• 1.
  基于熵的感知安全性表述：将感知安全性重新表述为潜在环境状态不确定性的减少，熵减少被解释为在可靠性约束下的贝叶斯兼容的期望信息增益。
• 2.
  多因素耦合分析：我们分析了硬件可靠性、环境鲁棒性、网络安全方面、物理属性、感知算法和感知不确定性之间的耦合关系。
• 3.
  三维退化建模：我们建立了硬件可靠性、环境适应性和物理冗余融合效率的数学公式，从而可以对其耦合效应进行定量分析。
• 4.
  基于仿真的分析：比较和耦合仿真揭示了非线性退化放大、薄弱环节行为和基于目标的设计权衡。

部分片段

相关工作

关于基于LiDAR的感知安全性的现有研究可以分为四个主要研究方向：面向性能的评估、可靠性和故障诊断、环境和网络物理鲁棒性，以及具有多传感器融合的不确定性感知。图1总结了这一组织结构，并强调了在物理感知、可靠性退化、环境鲁棒性、算法不确定性和安全相关不确定性之间建立定量联系的未解需求。

信息论和贝叶斯解释

在自动驾驶系统中，感知将物理环境与决策模块联系起来。其安全相关性在于它在不完全操作条件下减少环境不确定性的可靠性。从信息论的角度来看，不确定性可以使用熵来量化。在自动驾驶感知中，环境状态（包括对象存在、几何形状、运动和语义）可以被建模为一个潜在的随机变量。

设$X$表示这个潜在变量

三维熵减少的数学框架

乘法熵减少结构源于安全关键感知系统中的级联信息传输，是由系统结构和可靠性原则推导出来的。整体建模架构如图4所示。

主要发现和面向可靠性的启示

本文提出了一个基于可靠性的三维熵减少框架，用于评估自动驾驶中基于LiDAR的感知安全性。核心思想是，感知安全性不仅取决于感知组件是否保持运行，还取决于通过感知、传播和算法解释可以减少多少与安全性相关的环境不确定性。因此，该框架将归一化的熵减少分解为硬件、软件和算法方面的贡献。

CRediT作者贡献声明

赵新：撰写——原始草稿、验证、软件、项目管理、方法论、形式分析、数据整理、概念化。江坤：撰写——审阅与编辑、资源协调、方法论、概念化。杨萌萌：撰写——审阅与编辑、方法论。杨大方：撰写——审阅与编辑、监督、资源协调。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

赵新|江坤|杨萌萌|杨大方