GENESIS-RL：结合安全性考量系统化集成与强化学习生成自然边缘场景
系统与控制
2024-09-20 v2 机器人学
系统与控制
摘要
在快速发展的自主系统领域，系统组件的安全性和可靠性是基本要求。这些组件通常容易受到复杂和不可预见环境的影响，这使得自然边缘场景生成对于增强系统弹性至关重要。本文提出了 GENESIS-RL，一种新颖的框架，它利用系统级安全性考量和强化学习技术来系统地生成自然的边缘场景。通过模拟模仿真实世界情况的挑战性条件，我们的框架旨在严格测试整个系统的安全性和可靠性。尽管在自动驾驶应用中进行了演示，我们的方法可适应于各种不同的自主系统。我们在高保真模拟器上进行的实验验证突显了该框架的整体有效性。
引用
@article{arxiv.2403.19062,
title = {GENESIS-RL: GEnerating Natural Edge-cases with Systematic Integration of Safety considerations and Reinforcement Learning},
author = {Hsin-Jung Yang and Joe Beck and Md Zahid Hasan and Ekin Beyazit and Subhadeep Chakraborty and Tichakorn Wongpiromsarn and Soumik Sarkar},
journal= {arXiv preprint arXiv:2403.19062},
year = {2024}
}