合成碰撞前场景的实际验证
机器人学
2026-05-07 v1
摘要
合成碰撞前场景的代表性对于通过虚拟仿真评估驾驶自动化系统的安全影响至关重要。然而，在稳健评估合成碰撞前场景与其现实世界对应场景的实际等效性方面仍然存在差距；即，它们对于预期的评估目的而言是否足够相似。传统的显著性检验是不充分的，因为它侧重于检测差异而不是建立实际等效性。本研究通过扩展我们先前基于贝叶斯实际等效区域（ROPE）的等效性检验框架，引入一种基于分箱的方法来定义适当的统计量和等效性准则，从而解决了这一研究空白。提出了两种基于分箱的统计量，用于在安全影响评估的背景下测量数据集之间具有实际意义的分布差异。通过一个案例研究展示了该框架的适用性，该案例研究在自动紧急制动系统的安全影响评估背景下，测试了两个合成追尾碰撞前数据集与先前开发的参考数据集的实际等效性。结果表明，该框架提供了关于实际等效性的信息丰富的定量评估，以及关于数据集差异的诊断见解。尽管演示侧重于追尾碰撞前场景，但该框架是通用的，可扩展到更广泛的验证场景，为跨不同合成数据应用的实际等效性评估提供了可解释且有原则的基础。
引用
@article{arxiv.2605.04564,
title = {Practical validation of synthetic pre-crash scenarios},
author = {Jian Wu and Ulrich Sander and Carol Flannagan and Jonas Bärgman},
journal= {arXiv preprint arXiv:2605.04564},
year = {2026}
}