Bench4Merge：用于密集交通中微交互车辆合并的综合基准
机器人学
2025-04-03 v3 人工智能
摘要
尽管自动驾驶能力取得了快速进步，但在密集交通中的合并仍是一个重要挑战，许多用于该场景的运动规划方法已被提出，但很难对其进行评估。大多数现有闭环模拟器依赖于基于规则的控制其他车辆，这导致多样性和随机性不足，无法准确评估在高度互动情景下的运动规划能力。此外，传统的评估指标不足以全面评估密集交通中合并的性能。为此，我们提出了一个用于评估密集交通中合并情景下运动规划能力的闭环评估基准。我们的做法是使用在大规模数据集中训练的其他车辛，其微行为特征显著增强了复杂度和多样性。此外，我们通过利用大型语言模型（LLM）来评估每个自动驾驶车辆合并进入主车道的效果。广泛的实验和测试车辆部署均表明了该基准的前沿性。通过该基准，我们获得了对现有方法的评估并识别了常见问题。该模拟环境和评估过程可在 https://github.com/WZM5853/Bench4Merge 上获取。
引用
@article{arxiv.2410.15912,
title = {Bench4Merge: A Comprehensive Benchmark for Merging in Realistic Dense Traffic with Micro-Interactive Vehicles},
author = {Zhengming Wang and Junli Wang and Pengfei Li and Zhaohan Li and Chunyang Liu and Bo Zhang and Peng Li and Yilun Chen},
journal= {arXiv preprint arXiv:2410.15912},
year = {2025}
}
备注
6 pages, 8 figures, on submitted