基于元启发式搜索的抽象交通场景规约具体化

现有的自动驾驶车辆（AV）安全保证方法通过将待测 AV 置于由抽象场景规约刻画、并在逼真交通仿真器中研究的挑战性交通场景来进行系统级安全评估。作为 AV 基于场景测试的第一步，必须对交通场景的初始场景进行具体化。在此背景下，场景具体化挑战以抽象交通场景的高层规约为输入，旨在将其映射到具体场景，其中为车辆的每个属性（如位置或速度）定义了精确的数值初始值。本文提出一种交通场景具体化方法，将车辆放置在逼真道路地图上，使其满足由富有表达力的场景规约语言定义的可扩展抽象约束集，该语言还支持不一致性的静态检测。随后，将抽象约束映射为相应的数值约束，并通过具有可定制目标函数与约束聚合策略的元启发式搜索求解。我们在三个逼真道路地图上开展了一系列实验，将本方法的八种配置与最先进的 Scenic 工具的三种变体进行比较，并评估其可扩展性。