高效获取驾驶场景:一种成本最优场景获取前瞻性评估框架
软件工程
2023-07-24 v1
摘要
基于场景的测试在自动驾驶安全保证中日益重要。然而,若仅使用真实世界数据,对场景空间全面且充分的覆盖需要大量精力与资源。为解决此问题,驾驶场景生成方法被开发并愈发频繁地使用,但以生成数据替代真实世界数据的收益尚未被量化。此外,给定逻辑场景空间中一组具体场景的覆盖程度亦未被预测。本文提出一种方法,用于在给定质量约束与参数化下,量化达到确定完整场景空间覆盖时场景生成方法的成本最优使用。为此,对场景生成与使用的各流程步骤进行调研,并采用用于抽象基于知识与数据驱动方法的元模型进行评估。进而,提出一种包含可达完整覆盖、质量准则与成本预测的元模型拟合方法。最后,论文示例性考察了在技术、经济与质量约束下,混合生成模型相较于不同真实世界场景挖掘方法的适用性。
引用
@article{arxiv.2307.11647,
title = {Acquire Driving Scenarios Efficiently: A Framework for Prospective Assessment of Cost-Optimal Scenario Acquisition},
author = {Christoph Glasmacher and Michael Schuldes and Hendrik Weber and Nicolas Wagener and Lutz Eckstein},
journal= {arXiv preprint arXiv:2307.11647},
year = {2023}
}
备注
Accepted to be published as part of the 26th IEEE International Conference on Intelligent Transportation Systems (ITSC) 2023, Bilbao, Spain, September 24-28, 2023