寻求碰撞：基于检索增强型大语言模型的自动驾驶在线安全关键场景生成

仿真测试是验证自动驾驶车辆 (AVs) 至关重要的手段，但现有场景生成方法要么过度拟合常见驾驶模式，要么以离线、非交互式方式运行，无法暴露稀有的、安全关键的边缘案例。在本文中，我们引入一种用于生成安全关键驾驶场景的在线、检索增强型大语言模型 (LLM) 框架。该方法首先采用 LLM 基于行为分析器从观察状态中推断背景车辆最危险的意图，然后查询额外的 LLM 智能体来综合可行的对抗轨迹。为缓解灾难性遗忘并加速适应，我们通过动态记忆和检索库（意图-规划器对）来增强该框架，当新出现的意图时自动扩展其行为库。使用 Waymo Open Motion 数据集进行评估显示，我们的模型将平均最低碰撞时间从 1.62 降至 1.08 秒，并实现 75% 的碰撞率，显著优于基线方法。