为自动驾驶汽车测试生成关键行人场景

科学领域:

• 机器人和智能系统 机器人和智能系统
• 运输工程 运输工程
• 计算机科学 计算机科学

背景情况:

• 目前的自动驾驶汽车 (AV) 测试主要集中在车辆与车辆之间的相互作用上.
• 对于高风险的行人与AVS互动的测试方法存在重大差距.
• 现有的方法缺乏足够的关注涉及行人关键场景.

研究的目的:

• 开发一种方法,用于生成行人-自动驾驶交互的关键测试场景.
• 加强在复杂的城市环境中对自动驾驶汽车的安全评估.
• 为行人安全测试创建一个高价值,高风险场景库.

主要方法:

• 从有信号的十字路口收集微观的交通数据,提取重叠的车辆和行人轨迹.
• 开发了一种三级自主紧急制动模型,并应用了人工潜力现场方法进行风险评估.
• 创建了一个以行人为导向的关键测试场景生成框架,使用重要性采样和群集优化.

主要成果:

• 创建了一个50个高价值车辆与行人互动测试场景的图书馆.
• 确定了高暴露频率和显著相互作用风险的场景.
• 产生的场景涵盖了行人安全的多样化和关键动态.

结论:

• 拟议的框架有效地产生了行人-自动驾驶交互的关键场景.
• 这种方法为自动驾驶汽车的高保真行人安全测试提供了强有力的支持.
• 该方法解决了当前AV测试的局限性,重点关注弱势道路使用者.