寻找自动驾驶系统的关键场景：一项系统性文献综述
软件工程
2021-10-19 v1 人工智能
系统与控制
系统与控制
摘要
基于场景的方法在自动驾驶系统的研究与工程中受到了极大关注。由于驾驶环境的不确定性及复杂性，以及驾驶任务本身的复杂性，自动驾驶系统（ADS）或高级驾驶辅助系统（ADAS）可能遇到的驾驶场景数量几乎是无限的。因此，能够对场景识别进行推理，尤其是识别那些若不考虑可能带来不可接受风险的关键场景，至关重要。关键场景对支持设计、验证与确认工作以及作为安全论证的基础尤为重要。在本文中，我们呈现了在自动驾驶背景下的一项系统性文献综述的结果。主要贡献包括：(i) 引入一套针对关键场景识别方法的全面分类法；(ii) 基于该分类法给出 2017 至 2020 年间涵盖 86 篇论文的最先进研究概览；以及 (iii) 识别开放问题及进一步研究方向。所提供的分类法包含三个主要视角：问题定义（为何）、解决方案（推导场景的方法）以及已建立场景的评估。此外，我们从覆盖率、实用性与场景空间爆炸的角度讨论了开放的研究问题。
引用
@article{arxiv.2110.08664,
title = {Finding Critical Scenarios for Automated Driving Systems: A Systematic Literature Review},
author = {Xinhai Zhang and Jianbo Tao and Kaige Tan and Martin Törngren and José Manuel Gaspar Sánchez and Muhammad Rusyadi Ramli and Xin Tao and Magnus Gyllenhammar and Franz Wotawa and Naveen Mohan and Mihai Nica and Hermann Felbinger},
journal= {arXiv preprint arXiv:2110.08664},
year = {2021}
}
备注
37 pages, 24 figures