AdvDiffuser：用于生成导向扩散的对抗性安全关键驾驶情景
机器学习
2024-10-14 v1 机器人学
摘要
安全关键情景在自然驾驶环境中罕见，但对自动驾驶系统的训练与测试具有重要意义。目前的做法是通过在模拟环境中引入对抗性调整来自动生成安全关键情景。这些调整往往针对特定测试系统设计，从而忽视了不同系统之间的可迁移性。在本文中，我们提出了 AdvDiffuser，一个通过导向扩散生成安全关键驾驶情景的对抗框架。通过引入扩散模型捕捉背景车辆的合理集合行为，并利用轻量级引导模型有效处理对抗情景，AdvDiffuser 实现了跨系统的可迁移性。在 nuScenes 数据集上的实验结果表明，AdvDiffuser 可训练于离线驾驶日志后，应用于各种测试系统时，只需少量热身 episode 数据，即可在真实性、多样性和对抗性能方面超越其他现有方法。
引用
@article{arxiv.2410.08453,
title = {AdvDiffuser: Generating Adversarial Safety-Critical Driving Scenarios via Guided Diffusion},
author = {Yuting Xie and Xianda Guo and Cong Wang and Kunhua Liu and Long Chen},
journal= {arXiv preprint arXiv:2410.08453},
year = {2024}
}