基于多目标树搜索的地图无关且交互式安全关键场景生成
机器人学
2026-03-05 v1 图形学
摘要
生成安全关键场景对于验证自动驾驶系统的鲁棒性至关重要，但现有方法往往难以产生同时真实且多样化的碰撞场景，同时确保交通参与者之间的明确交互逻辑。本文提出了一种 novel 框架，通过多目标蒙特卡洛树搜索（MCTS）实现交通流水平的安全关键场景生成。我们将轨迹可行性和自然行为作为统一评估函数中的优化目标，从而在不牺牲真实性的前提下发现多样化的碰撞事件。引入混合上置信界（UCB）和下置信界（LCB）搜索策略，以平衡探索效率与风险规避决策。此方法具有地图无关性，支持基于 SUMO 微观交通模型的交互式场景生成，使每个车辆都能在从 OpenStreetMap 导入的任意地理位置中实现真实的行为。我们在香港复杂城市环境中的四个高风险事故区进行了验证。实验结果表明，本框架实现了 85\% 的碰撞失败率，同时生成的轨迹在可行性和舒适性指标上均表现出优势。生成的场景显示出更大的复杂性，体现在行驶里程和二氧化碳排放量的增加。我们的工作为通过生成真实且稀疏的交通流水平corner case，为自动驾驶汽车提供了原则性的压力测试解决方案。
引用
@article{arxiv.2603.03978,
title = {Map-Agnostic And Interactive Safety-Critical Scenario Generation via Multi-Objective Tree Search},
author = {Wenyun Li and Zejian Deng and Chen Sun},
journal= {arXiv preprint arXiv:2603.03978},
year = {2026}
}