MORPH-U: 시뮬레이션을 통한 높은 불확실성 환경에서 V2X 기술을 활용한 자율 주행 차량의 다중 목표 기반 탄력적 경로 계획

MORPH-U: Multi-Objective Resilient Motion Planning for V2X-Enabled Autonomous Driving in High-Uncertainty Environments via Simulation

V2X 기술은 자율 주행 차량에게 시야 범위를 벗어난 위험을 경고할 수 있지만, 동시에 불확실성을 야기합니다. 메시지가 지연되거나 손실될 수 있으며, 심지어 위조될 수도 있습니다. 또한, 지도 정보는 주행 중 변경될 수 있으며, 이는 차량이 제한된 실시간 환경에서 경로를 재계획하도록 강요합니다. 본 논문은 이러한 불확실하고 이벤트 기반의 업데이트에 대해 경로 계획 및 저수준 제어를 얼마나 견고하게 만들 수 있는지 연구합니다. CARLA 기반의 폐루프 시스템인 MORPH-U를 제시합니다. MORPH-U는 LiDAR/레이더/카메라와 V2X (CAM/DENM) 데이터를 융합하여 로컬 동적 지도 (LDM)를 생성하고, 검증된 위험 또는 지도 변경이 계획된 경로에 영향을 미치는 경우 Hybrid-A* 재계획을 트리거합니다. 본 논문은 추적 오차, 안전 마진 (최소 TTC), 응답성, 그리고 부드러움이라는 다중 목표를 고려한 제어/계획 균형을 분석하고, Pareto-frontier 분석을 통해 최적의 운영 지점을 선택합니다. MORPH-U는 잘못된 V2X 신호로 인한 위험한 재계획을 방지하기 위해, 쿼럼 규칙과 차량 내 센서의 거부 기능을 결합한 경량 비잔틴 영감 기반의 승인 장치를 추가합니다. CARLA 환경에서 진행된 실험 결과, V2X 기술을 활용한 LDM은 안전성을 향상시키고, Pareto 튜닝을 통해 제어 가능한 정확도-편안함 균형을 제공하며, 승인 장치는 과도한 위조된 DENM 데이터 주입 ($p_{ ext{attack}}=1.0$) 상황에서도 재계획을 방지하는 것을 보여줍니다.

V2X can warn an autonomous vehicle about hazards beyond line-of-sight, but it also brings uncertainty: messages may be delayed, dropped, or even forged. Meanwhile, map knowledge may change during a trip, forcing the vehicle to replan under tight real-time budgets. This paper studies how to make motion planning and low-level control robust to such uncertain, event-driven updates. We present MORPH-U, a CARLA-based closed-loop stack that fuses LiDAR/radar/camera with V2X (CAM/DENM) into a Local Dynamic Map (LDM) and triggers Hybrid-A* replanning when validated hazards or map changes affect the planned route. We expose the planning/control trade-offs via a multi-objective formulation over tracking error, safety margin (minimum TTC), responsiveness, and smoothness, and select operating points using Pareto-frontier analysis. To avoid unsafe replanning from faulty V2X triggers, MORPH-U adds a lightweight Byzantine-inspired acceptance gate that combines a quorum rule with an on-board sensor veto. Experiments in dynamic CARLA scenarios show that V2X-augmented LDM improves downstream safety, Pareto tuning provides controllable accuracy-comfort trade-offs, and the gate prevents replanning under saturated false-DENM injection ($p_{\text{attack}}=1.0$).