LeGEND：一种由大语言模型辅助的自动驾驶系统场景生成自顶向下方法
软件工程
2024-09-17 v1
摘要
自动驾驶系统（ADS）是安全攸关的，在部署到公共道路之前需要进行全面的测试。虽然现有的测试方法主要关注场景的严重性，但它们往往忽略了生成场景的多样性，而多样性对于反映系统在不同方面的缺陷同样重要。为了弥补这一不足，我们提出了 LeGEND，其特点是采用自顶向下的场景生成方式：从抽象功能场景开始，然后向下逐步细化到逻辑场景和具体场景，从而可以在功能层面控制场景的多样性。然而，与可以形式化描述的逻辑场景不同，功能场景通常以自然语言（例如事故报告）记录，因此无法被计算机精确解析和处理。为了解决这一问题，LeGEND 利用了大语言模型（LLMs）的最新进展，将文本功能场景转换为形式化的逻辑场景。为了减轻功能场景描述中无用信息的干扰，我们设计了一种使用中间语言的两阶段转换方法；因此，我们在 LeGEND 中采用了两个 LLMs，一个用于从功能场景中提取信息，另一个用于将提取的信息转换为形式化的逻辑场景。我们在百度的工业级 ADS Apollo 上对 LeGEND 进行了实验评估。评估结果表明，LeGEND 能够有效地识别关键场景，并且与基线方法相比，LeGEND 在生成场景的多样性上表现出明显的优越性。此外，我们还展示了我们的两阶段转换框架的优势以及所采用的 LLMs 的准确性。
引用
@article{arxiv.2409.10066,
title = {LeGEND: A Top-Down Approach to Scenario Generation of Autonomous Driving Systems Assisted by Large Language Models},
author = {Shuncheng Tang and Zhenya Zhang and Jixiang Zhou and Lei Lei and Yuan Zhou and Yinxing Xue},
journal= {arXiv preprint arXiv:2409.10066},
year = {2024}
}