分数碰撞：基于自动驾驶行为仿真的反事实冲突风险估计框架
机器人学
2025-06-10 v1 系统与控制
系统与控制
摘要
我们提出了一种从自动驾驶系统（ADS）或自然驾驶数据库中的传感器数据构建的反事实仿真场景中估计碰撞风险的方法。通过检测和分类冲突类型、识别代理人的角色（发起方或响应方）、识别响应方的反应时点，并将其人类行为期望建模为概率反事实轨迹来评估双方冲突。所得状态用于计算碰撞时的速度差，当与崩溃模型结合时，可估计以概率性损伤或财产损失为衡量标准的碰撞严重程度，称为分数碰撞。这些概率模型还可扩展至包括仿真、特征和代理人的其他不确定性。我们在合成仿真环境中验证了该方法的有效性，所用数据来自 VTTI SHRP2 数据库和 Nexar 仪表盘摄像头数据中 reconstructed 的 300 多起碰撞和近碰撞场景。我们的 метод学在 1% 的真实碰撞误差范围内预测了分数碰撞。随后我们通过将这些合成重建场景中的自然响应方替换为 ADS 仿真器，评估任意 ADS 软件版本的发起方碰撞风险，并将结果与人类响应结果进行比较。ADS 将自然界碰撞减少了 4 倍，将分数碰撞风险降低约 62%。该框架也证明其在 25 万英里的专有、开环传感器数据上具有实用性，这些数据收集于 ADS 测试车辆，并用任意 ADS 软件版本重新仿真。ADS 发起的冲突导致 0.4 起损伤性碰撞和 1.7 起财产损坏性分数碰撞，ADS 在 96% 的发起方冲突中改善了碰撞风险。
引用
@article{arxiv.2506.07540,
title = {Fractional Collisions: A Framework for Risk Estimation of Counterfactual Conflicts using Autonomous Driving Behavior Simulations},
author = {Sreeja Roy-Singh and Sarvesh Kolekar and Daniel P. Bonny and Kyle Foss},
journal= {arXiv preprint arXiv:2506.07540},
year = {2025}
}