Towards Interactive Autonomous Vehicle Testing: Vehicle-Under-Test-Centered Traffic Simulation

要約

シミュレーションベースのテストは、自動運転車 (AV) を道路に安全に実装するために不可欠であり、テスト対象車両 (VUT) と動的に対話するシミュレートされた交通環境が必要です。
この研究では、現実的、インタラクティブ、多様なバックグラウンド交通シミュレーションのための VUT 中心の環境ダイナミクス推論 (VCDI) モデルを導入します。
VCDI は、背景オブジェクトの軌道を生成するために、Transformer ベースの軌道推論モデルに基づいて構築されています。
AV テストの目的を果たすため、VCDI は条件付き推論フレームワークを使用して、VUT 中心の対話性とシナリオの多様性をさらに考慮します。
まず、VUT の将来のモーションが拡張モデル入力として取得され、VUT と背景オブジェクト間の相互作用を橋渡しします。
次に、シナリオの多様性を高めるために、ベイジアン ネットワーク ベースのコスト関数モジュールが設計されています。
分布形式で学習されたこのモジュールは、VUT の戦略の不確実性を捉え、さまざまなシナリオの進化を引き起こします。
実験結果は、最先端の軌道予測作業を上回る VCDI の軌道レベルのシミュレーション精度を検証しました。
分配コスト関数の柔軟性により、VCDI は AV テストのための多様かつ現実的なシナリオを提供できます。
私たちは、VUT のコストベースの戦略に対する予測を変更することでそのような機能を実証し、説明可能なバックグラウンド トラフィックの進化を伴う複数のテスト シナリオを実現します。

要約(オリジナル)

The simulation-based testing is essential for safely implementing autonomous vehicles (AVs) on roads, necessitating simulated traffic environments that dynamically interact with the Vehicle Under Test (VUT). This study introduces a VUT-Centered environmental Dynamics Inference (VCDI) model for realistic, interactive, and diverse background traffic simulation. VCDI is built on a Transformer-based trajectory inference model to generate trajectories for background objects. Serving the purpose of AV testing, VCDI additionally considers VUT-centered interactivity and scenario diversity using a conditional inference framework. First, the VUT future motion is taken as an augmented model input to bridge the interaction between VUT and background objects. Second, to enrich the scenario diversity, a Bayesian-network-based cost function module is designed. The module, learned in a distributional form, captures the uncertainty of the VUT’s strategy, triggering various scenario evolution. Experimental results validate VCDI’s trajectory-level simulation precision which outperforms the state-of-the-art trajectory prediction work. The flexibility of the distributional cost function allows VCDI to provide diverse-yet-realistic scenarios for AV testing. We demonstrate such capability by modifying the anticipation to VUT’s cost-based strategy and thus achieve multiple testing scenarios with explainable background traffic evolution.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google