基于自适应搜索的自动驾驶车辆安全测试
机器人学
2025-08-12 v1 人工智能
摘要
确保自动驾驶车辆（AVs）的安全是其开发与部署中至关重要的。安全关键情景提出了更严苛的挑战，亟需高效的测试方法来验证 AVs 的安全性。本研究聚焦于设计一种用于安全关键情景的加速测试算法，使其能够快速识别其驾驶能力。首先，提取自中国深入 mobility 安全研究-交通事故（CIMSS-TA）数据库中典型逻辑情景，通过重建获取事发前特征。其次，集成百度 Apollo 作为一种高级黑盒自动驾驶系统（ADS）来控制 ego 车辆的行为。第三，我们提出一种自适应大变量邻域-模拟退火算法（ALVNS-SA）以加速测试过程。实验结果表明，利用 ALVNS-SA 在测试效率方面实现了显著提升。其在安全关键情景覆盖率达到 84.00%，事故情景覆盖率为 96.83%，近事故情景覆盖率为 92.07%。相较于遗传算法（GA）、自适应大邻域-模拟退火算法（ALNS-SA）和随机测试，ALVNS-SA 在安全关键情景中显示出显著更高的覆盖率。
引用
@article{arxiv.2508.06575,
title = {Efficient Safety Testing of Autonomous Vehicles via Adaptive Search over Crash-Derived Scenarios},
author = {Rui Zhou},
journal= {arXiv preprint arXiv:2508.06575},
year = {2025}
}