面向自动驾驶车辆的自适应压力测试
机器人学
2019-02-07 v1 人工智能
机器学习
机器学习
摘要
本文提出了一种测试自动驾驶车辆决策系统的方法。我们的方法涉及扰动车辆环境中的随机要素，直至车辆发生碰撞。我们并未采用直接蒙特卡洛采样来寻找碰撞场景，而是将该问题建模为马尔可夫决策过程，并使用强化学习算法来寻找最可能的失效场景。本文提出了蒙特卡洛树搜索（Monte Carlo Tree Search, MCTS）和深度强化学习（Deep Reinforcement Learning, DRL）方案，可扩展至大型环境。我们表明，DRL 能以更少的模拟器调用次数找到比 MCTS 更可能的失效场景。使用一个车辆接近人行横道的仿真场景来验证该框架。我们提出的方法具有很好的通用性，在给定车辆与环境的适当模型后，可轻松应用于其他场景。
引用
@article{arxiv.1902.01909,
title = {Adaptive Stress Testing for Autonomous Vehicles},
author = {Mark Koren and Saud Alsaif and Ritchie Lee and Mykel J. Kochenderfer},
journal= {arXiv preprint arXiv:1902.01909},
year = {2019}
}