发表机构
University of Michigan Transportation Research Institute; University of Michigan; The University of Hong Kong; Laplace Intelligence; Tsinghua University（密歇根大学交通研究所; 密歇根大学; 香港大学; 拉普拉斯智能公司; 清华大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本研究通过第三方测试框架评估开源四级自动驾驶系统，发现其仅具备14项行为能力中的6项，事故率约为人类驾驶员的1000倍，凸显了行为安全评估在自动驾驶大规模部署前的重要性。
AI 中文摘要
第三方对自动驾驶车辆（AV）安全性的评估在提升公众接受度、建立消费者信心以及制定有效安全标准方面可发挥至关重要的作用。在本研究的第一部分，我们提出了一项专门的第三方测试计划，用于系统性地评估自动驾驶车辆的行为安全。在本文中，我们使用开源的四级自动驾驶系统（ADS）——此http URL，在模拟环境和密歇根大学Mcity测试设施的实体测试跑道上验证了我们提出的框架。结果表明，此http URL具备14项行为能力中的6项，并表现出每英里3.01x10^-3次碰撞的事故率，约为普通人类驾驶员事故率的1000倍。在测试过程中，我们还发现了此http URL的一些未知不安全场景。这些发现强调了在广泛公众部署之前进行行为安全评估以提高自动驾驶车辆安全性能的必要性。
英文摘要
Third-party evaluations of autonomous vehicle (AV) safety can play a vital role in improving public acceptance, building consumer confidence, and establishing effective safety standards. In Part I of this study, we propose a dedicated third-party testing initiative for systematically evaluating AV behavioral safety. In this paper, we validate our proposed framework using Autoware.Universe, an open-source Level 4 Automated Driving System (ADS), tested both in simulated environments and on the physical test track at the University of Michigan's Mcity Testing Facility. The results indicate that Autoware.Universe possesses 6 out of 14 behavioral competencies and exhibited a crash rate of 3.01x10^-3 crashes per mile, approximately 1,000 times higher than the average human driver crash rate. During the tests, we also uncovered a number of unknown unsafe scenarios for Autoware.Universe. These findings underscore the necessity of behavioral safety evaluations for improving AV safety performance prior to widespread public deployment.
