HSPG：プロアクティブな危険シナリオ生成に基づく自動運転のオープンループテストフレームワーク

科学分野:

• コンピューターサイエンス
• ロボット工学
• 人工知能

背景:

• 自動運転システムは、実世界のデータにおけるまれで高リスクなシナリオをカバーすることに課題を抱えています。
• 現在のシナリオ生成方法は、現実的な知覚を欠き、単純な軌道摂動に焦点を当てています。

研究 の 目的:

• 自動運転の安全性を強化するために、危険な運転シナリオを生成するためのプロアクティブなフレームワークを導入すること。
• 複雑な環境での自動運転車のテストのためのクリティカルデータの不足に対処すること。

主な方法:

• 自然な運転データを使用した危険シナリオのプロアクティブな生成（HSPG）フレームワークを開発しました。
• クリティカルな相互作用を特定するために、スライディングウィンドウリスクインデックスと高リスク車両検出を利用しました。
• 軌道生成のために、リカレント・ポステリアー・ポリシー最適化（RPPO）と敵対的戦略を備えた線形二次レギュレータ（LQR）を採用しました。
• 現実的な街路シナリオを作成するために、画像合成と実世界の地図データを統合しました。

主要な成果:

• HSPGは潜在的リスクを効果的に特定し、テストモデルにおける衝突確率を1桁以上増幅させます。
• このフレームワークは、多様な交通シナリオにわたる一般化能力を示します。
• 150のシナリオ、6019のサンプル、および複数の視点を持つ包括的なデータセットが作成されました。

結論:

• HSPGフレームワークは、自動運転のための安全クリティカルなテストデータを生成するための堅牢な方法を提供します。
• 作成されたデータセットは、自動運転システムの安全性を評価および改善するための貴重なベンチマークとして機能します。