ترجمه فارسی مقاله CommonUppRoad: چارچوبی برای مدل‌سازی رسمی، تأیید، یادگیری و تجسم وسایل نقلیه خودران

چکیده

Combining machine learning and formal methods (FMs) provides a possible solution to overcome the safety issue of autonomous driving (AD) vehicles. However, there are gaps to be bridged before this combination becomes practically applicable and useful. In an attempt to facilitate researchers in both FMs and AD areas, this paper proposes a framework that combines two well-known tools, namely CommonRoad and UPPAAL. On the one hand, CommonRoad can be enhanced by the rigorous semantics of models in UPPAAL, which enables a systematic and comprehensive understanding of the AD system’s behaviour and thus strengthens the safety of the system. On the other hand, controllers synthesised by UPPAAL can be visualised by CommonRoad in real-world road networks, which facilitates AD vehicle designers greatly adopting formal models in system design. In this framework, we provide automatic model conversions between CommonRoad and UPPAAL. Therefore, users only need to program in Python and the framework takes care of the formal models, learning, and verification in the backend. We perform experiments to demonstrate the applicability of our framework in various AD scenarios, discuss the advantages of solving motion planning in our framework, and show the scalability limit and possible solutions.

چکیده به فارسی (ترجمه ماشینی)

ترکیب یادگیری ماشین و روشهای رسمی (FMS) یک راه حل احتمالی برای غلبه بر مسئله ایمنی وسایل نقلیه رانندگی خودمختار (AD) ارائه می دهد.با این حال ، قبل از اینکه این ترکیب عملاً کاربرد و مفید باشد ، شکاف هایی وجود دارد که باید برید.در این مقاله در تلاش برای تسهیل محققان در مناطق FMS و AD ، چارچوبی را ارائه می دهد که دو ابزار شناخته شده ، یعنی Commonroad و Uppaal را ترکیب می کند.از یک سو ، Commonroad می تواند با معناشناسی دقیق مدل ها در UPPAAL تقویت شود ، که درک سیستماتیک و جامع از رفتار سیستم AD را امکان پذیر می کند و در نتیجه ایمنی سیستم را تقویت می کند.از طرف دیگر ، کنترل کننده های سنتز شده توسط UPPAAL می توانند توسط Commonroad در شبکه های جاده ای در دنیای واقعی مشاهده شوند ، که طراحان وسایل نقلیه تبلیغاتی را تسهیل می کند که مدلهای رسمی را در طراحی سیستم اتخاذ می کنند.در این چارچوب ، ما تبدیل مدل خودکار بین Commonroad و Uppaal را ارائه می دهیم.بنابراین ، کاربران فقط باید در پایتون برنامه ریزی کنند و چارچوب از مدل های رسمی ، یادگیری و تأیید در پس زمینه مراقبت می کند.ما آزمایشاتی را برای نشان دادن کاربرد چارچوب خود در سناریوهای مختلف AD انجام می دهیم ، در مورد مزایای حل برنامه ریزی حرکت در چارچوب خود بحث می کنیم و محدودیت مقیاس پذیری و راه حل های ممکن را نشان می دهیم.