論文の概要: Evolving Testing Scenario Generation Method and Intelligence Evaluation
Framework for Automated Vehicles
- arxiv url: http://arxiv.org/abs/2306.07142v1
- Date: Mon, 12 Jun 2023 14:26:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 14:21:46.777883
- Title: Evolving Testing Scenario Generation Method and Intelligence Evaluation
Framework for Automated Vehicles
- Title（参考訳）: 自動走行車のシナリオ生成手法とインテリジェンス評価フレームワークの展開
- Authors: Yining Ma, Wei Jiang, Lingtong Zhang, Junyi Chen, Hong Wang, Chen Lv,
Xuesong Wang, Lu Xiong
- Abstract要約: 本稿では、深部強化学習(DRL)を利用して、自動車両(AV)のテストおよびインテリジェンス評価のための人間のようなBVを作成する進化シナリオ生成手法を提案する。
その結果,提案シナリオは,他のベースラインシナリオと比較して高い複雑性を示し,自然主義駆動データと85%以上類似していることがわかった。
- 参考スコア（独自算出の注目度）: 12.670180834651912
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Interaction between the background vehicles (BVs) and automated vehicles
(AVs) in scenario-based testing plays a critical role in evaluating the
intelligence of the AVs. Current testing scenarios typically employ predefined
or scripted BVs, which inadequately reflect the complexity of human-like social
behaviors in real-world driving scenarios, and also lack a systematic metric
for evaluating the comprehensive intelligence of AVs. Therefore, this paper
proposes an evolving scenario generation method that utilizes deep
reinforcement learning (DRL) to create human-like BVs for testing and
intelligence evaluation of AVs. Firstly, a class of driver models with
human-like competitive, cooperative, and mutual driving motivations is
designed. Then, utilizing an improved "level-k" training procedure, the three
distinct driver models acquire game-based interactive driving policies. And
these models are assigned to BVs for generating evolving scenarios in which all
BVs can interact continuously and evolve diverse contents. Next, a framework
including safety, driving efficiency, and interaction utility are presented to
evaluate and quantify the intelligence performance of 3 systems under test
(SUTs), indicating the effectiveness of the evolving scenario for intelligence
testing. Finally, the complexity and fidelity of the proposed evolving testing
scenario are validated. The results demonstrate that the proposed evolving
scenario exhibits the highest level of complexity compared to other baseline
scenarios and has more than 85% similarity to naturalistic driving data. This
highlights the potential of the proposed method to facilitate the development
and evaluation of high-level AVs in a realistic and challenging environment.
- Abstract（参考訳）: シナリオベーステストにおける背景車両(BV)と自動車両(AV)の相互作用は、AVのインテリジェンスを評価する上で重要な役割を果たす。
現在のテストシナリオは、通常、事前に定義されたまたはスクリプト化されたBVを使用し、実際の運転シナリオにおける人間のような社会的行動の複雑さを不適切に反映し、AVの総合的な知性を評価するための体系的な指標を欠いている。
そこで本研究では,深部強化学習(DRL)を用いて,AIVのテストとインテリジェンス評価のための人間的なBVを作成するシナリオ生成手法を提案する。
まず,人間のような競争性,協調性,相互運転モチベーションを有するドライバモデルの設計を行う。
そして、改良された「レベルk」トレーニング手順を利用して、3つの異なるドライバモデルがゲームベースのインタラクティブ運転ポリシーを取得する。
これらのモデルは、すべてのBVが継続的に相互作用し、多様なコンテンツを進化させる進化シナリオを生成するために、BVに割り当てられる。
次に、安全性、運転効率、相互作用ユーティリティを含むフレームワークを提示し、テスト中の3つのシステムのインテリジェンス性能を評価し定量化し、インテリジェンステストにおける進化シナリオの有効性を示す。
最後に、提案された進化するテストシナリオの複雑さと信頼性が検証される。
その結果,提案シナリオは,他のベースラインシナリオと比較して高い複雑性を示し,自然主義駆動データと85%以上類似していることがわかった。
このことは,現実的で挑戦的な環境下での高レベルAVの開発と評価を容易にする手法の可能性を強調している。
関連論文リスト
- Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。
AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
論文 参考訳（メタデータ） (2024-05-14T09:42:21Z) - A Cognitive-Based Trajectory Prediction Approach for Autonomous Driving [21.130543517747995]
本稿では,教師による知識蒸留の枠組みを取り入れたHuman-Like Trajectory Prediction (H)モデルを提案する。
教師」モデルは人間の脳、特に後頭葉と側頭葉の機能の視覚的処理を模倣する。
学生」モデルはリアルタイムのインタラクションと意思決定に焦点を合わせ、正確な予測のために重要な知覚的手がかりを捉えます。
論文 参考訳（メタデータ） (2024-02-29T15:22:26Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z) - Automatic Generation of Scenarios for System-level Simulation-based
Verification of Autonomous Driving Systems [0.0]
本稿では,AIコンポーネントを用いた自律システムのシステムレベルのシミュレーションに基づくV&Vフレームワークについて述べる。
このフレームワークは、システムの振る舞いを象徴的に記述する抽象モデルであるシステムのシミュレーションモデルに基づいている。
シナリオの自動生成をガイドするために、さまざまなカバレッジ基準を定義することができます。
論文 参考訳（メタデータ） (2023-11-16T11:03:13Z) - Stackelberg Driver Model for Continual Policy Improvement in
Scenario-Based Closed-Loop Autonomous Driving [5.765939495779461]
安全クリティカルなシナリオを合成するための効率的な手法のクラスとして、敵生成法が登場した。
Stackelberg Driver Model (SDM) を調整し、車両相互作用の階層的な性質を正確に特徴づける。
提案アルゴリズムは,特に高次元シナリオにおいて,いくつかのベースラインと比較して優れた性能を示す。
論文 参考訳（メタデータ） (2023-09-25T15:47:07Z) - Learning Driver Models for Automated Vehicles via Knowledge Sharing and
Personalization [2.07180164747172]
本稿では,自動車間の知識共有とパーソナライゼーションを通じて,自動走行車(AV)ドライバモデルを学習するためのフレームワークについて述べる。
インテリジェントな輸送システム、交通管理、車両間通信など、輸送工学にまたがるいくつかの応用を見出している。
論文 参考訳（メタデータ） (2023-08-31T17:18:15Z) - A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳（メタデータ） (2023-08-02T09:48:08Z) - A Study of Situational Reasoning for Traffic Understanding [63.45021731775964]
トラフィック領域における状況推論のための3つの新しいテキストベースのタスクを考案する。
先行作業における言語推論タスクにまたがる一般化能力を示す知識強化手法を4つ採用する。
本稿では,データ分割におけるモデル性能の詳細な解析を行い,モデル予測を分類的に検討する。
論文 参考訳（メタデータ） (2023-06-05T01:01:12Z) - Generating and Characterizing Scenarios for Safety Testing of Autonomous
Vehicles [86.9067793493874]
最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。
次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。
事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
論文 参考訳（メタデータ） (2021-03-12T17:00:23Z) - Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data
Augmentation [77.60050239225086]
実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。
私達のアプローチは人間の相互作用なしで完全に自動です。
VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-15T03:03:38Z) - Building Trust in Autonomous Vehicles: Role of Virtual Reality Driving
Simulators in HMI Design [8.39368916644651]
本研究では,生理的信号から収集した連続的客観的情報に基づいて,AVのユーザエクスペリエンスを検証する手法を提案する。
本手法を車両の感覚・計画システムに関する視覚的手がかりを提供するヘッドアップディスプレイインタフェースの設計に適用した。
論文 参考訳（メタデータ） (2020-07-27T08:42:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。