Generating Safety-Critical Test Scenarios for Motion Planning Algorithms of Autonomous Vehicles

Klischat, Moritz Sebastian

Moritz Sebastian Klischat

If you experience problems opening the document, please try this link.

Original title:: Generating Safety-Critical Test Scenarios for Motion Planning Algorithms of Autonomous Vehicles
Translated title:: Generierung von sicherheitskritischen Testszenarien für Bewegungsplaner autonomer Fahrzeuge
Author:: Klischat, Moritz Sebastian
Year:: 2024
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Advisor:: Althoff, Matthias (Prof. Dr.)
Referee:: Althoff, Matthias (Prof. Dr.); Lienkamp, Markus (Prof. Dr.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik
Keywords:: autonomous vehicles, motion planning, testing, falsification
TUM classification:: DAT 260; DAT 815
Abstract:: This thesis presents methods for generating safety-critical traffic scenarios to test motion planning algorithms of autonomous vehicles. We introduce an algorithm to optimize traffic scenarios with respect to a criticality metric that quantifies the solution space of a scenario. Furthermore, we present an approach for falsifying motion planners in abstractly defined scenarios, which combines search methods and new methods for synthesizing motions of other traffic participants.
Translated abstract:: In dieser Arbeit werden Methoden zur Erzeugung sicherheitskritischer Verkehrsszenarien vorgestellt, um Bewegungsplanungsalgorithmen für autonome Fahrzeuge zu testen. Wir stellen einen Algorithmus zur Optimierung von Verkehrsszenarien hinsichtlich einer Kritikalitätsmetrik vor, welche den Lösungsraum eines Szenarios quantifiziert. Darüber hinaus wird ein Ansatz zur Falsifikation von Bewegungsplanern in abstrakt definierten Szenarien vorgestellt, welcher Suchverfahren und neue Methoden zur Ableitung konkreter Szenarien kombiniert. «
In dieser Arbeit werden Methoden zur Erzeugung sicherheitskritischer Verkehrsszenarien vorgestellt, um Bewegungsplanungsalgorithmen für autonome Fahrzeuge zu testen. Wir stellen einen Algorithmus zur Optimierung von Verkehrsszenarien hinsichtlich einer Kritikalitätsmetrik vor, welche den Lösungsraum eines Szenarios quantifiziert. Darüber hinaus wird ein Ansatz zur Falsifikation von Bewegungsplanern in abstrakt definierten Szenarien vorgestellt, welcher Suchverfahren und neue Methoden zur Ableitu... »
WWW:: https://mediatum.ub.tum.de/?id=1705525
Date of submission:: 17.05.2023
Oral examination:: 01.02.2024
File size:: 10193831 bytes
Pages:: 96
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240201-1705525-1-7
Last change:: 11.03.2024
BibTeX