A carregar...
Publicação
Simulating the effects of sensor failures on autonomous vehicles
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 3.19 MB | Adobe PDF |
Autores
Resumo(s)
Os veículos autónomos (VA) estão a tornar-se cada vez mais prevalentes na nossa sociedade, impulsionados por rápidos avanços tecnológicos nos sensores e no software de perceção. Contudo, a fiabilidade e segurança dos VA dependem diretamente da capacidade dos seus sistemas em lidar com falhas nos sensores, que podem surgir devido a avarias ou ruído. Este trabalho avalia o impacto das falhas dos sensores no desempenho dos veículos autónomos através de uma metodologia de injeção de falhas aplicada no simulador CARLA, utilizando o Autoware como sistema de condução autónoma.
Inicialmente, foi realizado um survey para identificar os sensores críticos utilizados em veículos autónomos, as funcionalidades, limitações e falhas típicas, estabelecendo assim uma base para compreender os desafios de fiabilidade destes sensores. Posteriormente, implementou-se um mecanismo de injeção de falhas para introduzir sistematicamente avarias nos sensores, categorizadas em avaria silenciosa e ruído severo, em sensores como o LiDAR, IMU (giroscópio, acelerómetro, quaternions) e GNSS. Os resultados experimentais demonstraram degradações significativas no desempenho, particularmente com avarias no LiDAR e no giroscópio, levando a comportamentos de condução imprevisiveis, colisões e situações perigosas. No entanto, avarias em outros sensores foram mais toleradas devido à redundância interna e estratégias de fusão de sensores.
Estas contribuições apoiam a investigação em tolerância a falhas de veículos autónomos, demonstrando uma abordagem prática para a simulação e análise de falhas nos sensores.
Autonomous vehicles (AVs) are becoming increasingly prevalent in our society, driven by rapid technological advancements in sensors and perception software. However, the reliability and safety of AVs heavily depend on how well their systems handle sensor faults, which can arise from malfunctions, or noise. This work evaluates the impact of sensor faults on AV performance using a fault injection methodology applied within the CARLA simulator, using Autoware as the autonomous driving stack. Initially, a comprehensive survey identified critical sensors utilized in AVs, their functional roles, common limitations, and typical failure modes, laying a foundation for understanding sensor reliability issues. Then, a fault injection mechanism was implemented to systematically introduce sensor faults, categorized into silent sensor failure, and severe noise in sensors such as LiDAR, IMU (gyroscope, accelerometer, quaternion), and GNSS. Experimental results demonstrated significant performance degradation, particularly with LiDAR and gyroscopic faults, which led to erratic driving behavior, collisions, and unsafe outcomes. However, other sensor failures were better tolerated due to built-in redundancy and sensor fusion strategies. These contributions support ongoing research in autonomous vehicles safety by demonstrating an approach to simulating and observing sensor faults.
Autonomous vehicles (AVs) are becoming increasingly prevalent in our society, driven by rapid technological advancements in sensors and perception software. However, the reliability and safety of AVs heavily depend on how well their systems handle sensor faults, which can arise from malfunctions, or noise. This work evaluates the impact of sensor faults on AV performance using a fault injection methodology applied within the CARLA simulator, using Autoware as the autonomous driving stack. Initially, a comprehensive survey identified critical sensors utilized in AVs, their functional roles, common limitations, and typical failure modes, laying a foundation for understanding sensor reliability issues. Then, a fault injection mechanism was implemented to systematically introduce sensor faults, categorized into silent sensor failure, and severe noise in sensors such as LiDAR, IMU (gyroscope, accelerometer, quaternion), and GNSS. Experimental results demonstrated significant performance degradation, particularly with LiDAR and gyroscopic faults, which led to erratic driving behavior, collisions, and unsafe outcomes. However, other sensor failures were better tolerated due to built-in redundancy and sensor fusion strategies. These contributions support ongoing research in autonomous vehicles safety by demonstrating an approach to simulating and observing sensor faults.
Descrição
Palavras-chave
Veículos autónomos CARLA Autoware Avarias de sensores Injeção de falhas
Contexto Educativo
Citação
Editora
Licença CC
Sem licença CC