贝叶斯优化用于加速自动驾驶功能的虚拟验证
机器人学
2025-08-08 v2 系统与控制
系统与控制
摘要
自动驾驶功能 (ADF) 的严格验证与验证 (V&V) 是确保自动驾驶车辆 (AV) 安全性和公众接受度的关键。当前的验证依赖大量仿真以在车辆的运行设计域 (ODD) 内实现足够的测试覆盖,但在可能情景的庞大参数空间中穷举搜索计算昂贵且耗时。本工作引入了一个基于贝叶斯优化 (BO) 的框架,以加速关键情景的发现。我们在基于模型预测控制 (MPC) 的运动规划器上展示了框架的有效性,表明它使用数量级少于粗暴设计实验 (DoE) 方法的情景即可识别危险情形,如偏离公路事件。此外,本研究调查了该框架在更高维参数空间中的可扩展性,以及其在所用作案例研究的运动规划器 ODD 中识别多个 distinct 关键区域的能力。
引用
@article{arxiv.2507.22769,
title = {Bayesian Optimization applied for accelerated Virtual Validation of the Autonomous Driving Function},
author = {Satyesh Shanker Awasthi and Mohammed Irshadh Ismaaeel Sathyamangalam Imran and Stefano Arrigoni and Francesco Braghin},
journal= {arXiv preprint arXiv:2507.22769},
year = {2025}
}
备注
12 pages, corrected author list of references 27 and 38, removed duplicate reference of reference 6