GraphSCENE：面向自主车辆仿真场景的按需关键场景生成
机器人学
2025-09-29 v3 机器学习
摘要
在实施地面部署前，对自动驾驶车辆（AV）在安全关键且多样化场景下的性能进行测试与验证至关重要。然而，在仿真环境中手动创建此类场景 remains a 挑战性大且耗时的任务。本文引入一种新方法，用于按需生成与用户定义偏好相对应的动态时序场景图，偏好包括AV动作、动态代理集合以及关键程度水平。一种时序图神经网络（GNN）模型学习预测 ego 车辆、代理与静态结构之间的关系，该模型受真实时空相互作用模式指导，并受由本体约束以确保预测链接在语义上有效。我们的模型在准确生成所请求场景对应的链接方面 consistently 优于基线方法。我们将预测的场景渲染到仿真环境中，以进一步展示其作为AV代理测试环境的有效性。
引用
@article{arxiv.2410.13514,
title = {GraphSCENE: On-Demand Critical Scenario Generation for Autonomous Vehicles in Simulation},
author = {Efimia Panagiotaki and Georgi Pramatarov and Lars Kunze and Daniele De Martini},
journal= {arXiv preprint arXiv:2410.13514},
year = {2025}
}
备注
Accepted to the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2025)