定位不確定性下自動駕駛的信念空間殘餘風險

在自動駕駛系統的安全評估中，殘餘風險指標近年來被引入以衡量系統在感知和延遲方面的缺陷。殘餘風險被定義為在感知誤差和延遲存在下，系統實際行為與期望行為之間的差異所導致的風險。然而，現有方法通常假設自車位姿是確定已知的，主要關注周圍物體的感知誤差以及通訊或計算延遲帶來的影響。但在實際應用中，特別是在複雜的城市環境和惡劣天氣條件下，自動駕駛車輛面臨著顯著的定位不確定性。例如，GPS訊號遮擋或多路徑效應、IMU漂移、以及地圖匹配誤差都會導致自車位置和姿態的估計偏差。這些定位不確定性會直接影響碰撞風險計算的準確性。為了解決這一問題，由Nijinshan Karunainayagam等人提出的最新工作將空間殘餘風險擴充套件到信念空間，透過將自車位姿不確定性顯式建模為高斯分佈，重新定義了殘餘風險為自車位姿信念分佈上的期望退化風險。具體來說，該方法採用了基於粒子濾波的風險估計框架，其中定位不確定性透過自車與目標不確定性的協方差融合被納入碰撞機率的計算。粒子濾波允許對自車位姿的後驗分佈進行近似，並透過重要性取樣計算期望風險。與傳統的確定性假設相比，這種信念空間方法能夠更真實地反映實際執行中的安全裕度，避免了在不確定性較大時對風險的樂觀估計。該研究已被IEEE智慧交通系統會議（ITSC）2026接收，全文共7頁，最終版本將在IEEE Xplore上釋出。這一工作為在位置不確定性下評估自動駕駛系統的安全性提供了新的視角，尤其適用於複雜城市道路和惡劣天氣等挑戰性場景。未來，該方法有望與感知不確定性建模相結合，進一步完善自動駕駛的安全驗證體系。該研究不僅具有理論意義，還為實際系統中的風險量化提供了可操作的框架。