AdvSim：为自动驾驶车辆生成安全关键场景
机器人学
2023-04-18 v4 人工智能
计算机视觉与模式识别
机器学习
摘要
随着自动驾驶系统变得愈发先进，仿真自动驾驶栈可能失败的场景变得更为重要。传统上，这些场景针对少数场景、以接收真实参与者状态作为输入的运动规划模块来生成。这种方式无法扩展，且不能识别所有可能的自动驾驶故障，例如因遮挡导致的感知故障。本文提出 AdvSim，一种为任意基于 LiDAR 的自动驾驶系统生成安全关键场景的对抗框架。给定初始交通场景，AdvSim 以物理合理的方式修改参与者的轨迹，并更新 LiDAR 传感器数据以匹配扰动后的世界。重要的是，通过直接从传感器数据仿真，我们获得了针对完整自动驾驶栈具有安全关键性的对抗场景。我们的实验表明，该方法具有通用性，能为多种现代自动驾驶系统识别出数千个语义有意义的安全关键场景。此外，我们表明通过用 AdvSim 生成的场景训练这些系统，可进一步提升其鲁棒性与安全性。
引用
@article{arxiv.2101.06549,
title = {AdvSim: Generating Safety-Critical Scenarios for Self-Driving Vehicles},
author = {Jingkang Wang and Ava Pun and James Tu and Sivabalan Manivasagam and Abbas Sadat and Sergio Casas and Mengye Ren and Raquel Urtasun},
journal= {arXiv preprint arXiv:2101.06549},
year = {2023}
}
备注
CVPR 2021. Corrected typos in the adversarial objective