RCG：基于真实事故 grounding 的面向鲁棒的自动驾驶场景生成
机器人学
2025-07-16 v1
摘要
安全关键场景是训练和评估自动驾驶(AD)系统的必不可少因素，但在真实驾驶数据集中极其罕见。为此，我们提出了基于真实事故 grounding 的场景生成框架RCG，将事故感知语义整合到对抗扰动管道中。我们通过对大规模驾驶日志进行对比预训练，再在小规模、富含事故的数据集上进行微调，提取视频中的近似轨迹注释，构建安全感知行为表示。该嵌入捕获与真实事故行为一致的语义结构，支持选择既高风险又具行为真实性的对抗轨迹。我们将所得选择机制整合到两个先前的场景生成管道中，替换其手工设计的评分目标为基于嵌入的准则。实验结果表明，针对这些生成场景训练的ego代理在下游成功率上实现持续性提升，在七个评估设置中平均提升9.2%。定性和定量分析进一步表明，我们的方法产生的更具可信度和细致程度的对抗行为，使AD系统的更有效、更真实的压力测试成为可能。代码和工具将公开发布。
关键词
引用
@article{arxiv.2507.10749,
title = {RCG: Safety-Critical Scenario Generation for Robust Autonomous Driving via Real-World Crash Grounding},
author = {Benjamin Stoler and Juliet Yang and Jonathan Francis and Jean Oh},
journal= {arXiv preprint arXiv:2507.10749},
year = {2025}
}