增强 SUMO 仿真器用于自动驾驶车辆基于仿真的测试与验证
机器人学
2021-09-27 v1 系统与控制
系统与控制
摘要
当前的自动驾驶车辆（AV）仿真器旨在提供大规模测试，以受控、可重复的方式证明其在多变条件下的能力。然而，它们存在若干不足，包括需要用户专业知识以及为定制场景创建提供复杂不便的教程。城市交通仿真（SUMO）仿真器作为开源 AV 仿真器已被广泛使用，但也受类似问题困扰，使入门级从业者需投入大量时间才能利用该仿真器。为此，我们对 SUMO 仿真器提供两项增强，旨在大幅改善用户体验并为周边交通提供类真实的多样性。首先，我们针对高速公路与城市自然驾驶数据标定跟车模型——智能驾驶员模型（IDM），并从参数分布中自动采样以生成背景车辆。其次，我们将 SUMO 与 OpenAI gym 结合，创建一个 Python 包，可基于真实高速公路与城市布局运行仿真，并输出通用观测、输入通用动作，供任意 AV 流水线处理。我们通过这些增强旨在提供一个易于使用的平台，可随时用于 AV 测试与验证。
引用
@article{arxiv.2109.11620,
title = {Enhancing SUMO simulator for simulation based testing and validation of autonomous vehicles},
author = {Arpan Kusari and Pei Li and Hanzhi Yang and Nikhil Punshi and Mich Rasulis and Scott Bogard and David J. LeBlanc},
journal= {arXiv preprint arXiv:2109.11620},
year = {2021}
}