从船舶轨迹到安全关键遇战场景：面向自主船舶的数字测试的生成式 AI 框架
机器学习
2026-03-31 v1
摘要
数字测试已成为自主海洋导航系统开发与验证的关键范式，但现实且多样化的安全关键遇战场景的可用性仍有限。现有方法要么依赖手工模板，缺乏真实性，要么直接从历史数据中提取案例，无法系统性地扩展罕见高风险情形。本文提出一种数据驱动框架，将大规模自动识别系统 (AIS) 轨迹转换为结构化的安全关键遇战场景。该框架将生成式轨迹建模与自动遇战配对和时间参数化相结合，实现可扩展的场景构建，同时保留真实交通特征。为增强轨迹在噪声 AIS 观测下的真实性和鲁棒性，本文引入一种多尺度时变自编码器，以捕捉船舶在不同时间分辨率下的运动动力学。实验表明，所提方法在提升轨迹保真度和平滑度方面有效，保持与观测数据统计一致性，并能够生成超出直接记录的多样化安全关键遇战场景。最终框架为构建支撑自主导航和智能海洋交通管理系统数字测试、基准测试和安全评估的场景库提供了实用路径。代码已公开于 https://anonymous.4open.science/r/traj-gen-anonymous-review。
引用
@article{arxiv.2603.28067,
title = {From Vessel Trajectories to Safety-Critical Encounter Scenarios: A Generative AI Framework for Autonomous Ship Digital Testing},
author = {Sijin Sun and Liangbin Zhao and Ming Deng and Xiuju Fu},
journal= {arXiv preprint arXiv:2603.28067},
year = {2026}
}
备注
8 pages, submit for review