-
题名面向效率与多样性的自动驾驶关键场景生成方法
被引量：1
- 1
-
-
作者
李爽
周悦
张昕
张孟
-
机构
复旦大学计算机科学技术学院
上海市计算机软件测评重点实验室(上海计算机软件技术开发中心)
-
出处
《计算机应用》
CSCD
北大核心
2023年第S02期157-162,共6页
-
文摘
针对自动驾驶关键场景生成耗时长和容易生成大量极端场景的问题,提出一种面向效率和多样性的自动驾驶关键场景生成方法S-AD(Surrogate model-ADversarial example)。首先利用参数随机生成一批随机场景,通过模拟驾驶获得自动驾驶系统(ADS)在随机场景中的驾驶结果;接着根据随机场景和驾驶结果训练代理模型;随后使用对抗样本生成算法对代理模型发起攻击,生成代理模型认为能引发ADS碰撞的对抗场景;最后通过模拟驾驶对抗场景进行验证,确实能引发ADS碰撞的对抗场景为生成的关键场景。与当前研究较多的基于遗传算法的关键场景生成方法(GA)对比,S-AD在获得代理模型后(平均需要1163.7 s)生成一个关键场景平均仅需要0.084 s,而GA需要95.12 s,在生成13个以上的场景时,S-AD的时间消耗远少于GA;针对切入场景中的变道距离(DLC)参数,S-AD生成的DLC有75%分布在8.5~11.5 m,而GA生成的DLC有75%集中在9~10 m,S-AD生成的场景多样性更好;在与非碰撞场景的距离上,75%的S-AD场景分布在10~20 m,75%的GA场景分布在15~23 m,GA生成的场景更加极端。实验结果表明,S-AD在生成效率、场景多样性和非极端性上要优于对比的GA方法。
-
关键词
自动驾驶测试
模拟驾驶
关键场景生成
代理模型
对抗样本生成
-
Keywords
autonomous driving test
driving simulation
critical scenario generation
surrogate model
adversarial example generation
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
