Real-world Troublemaker: A Novel Track Testing Framework for Automated Driving Systems in Safety-critical Interaction Scenarios

要約

トラックテストは、実際のオブジェクトターゲットと安全制御可能な相互作用環境を提供するため、自律運転システム（ADS）の安全評価において重要な役割を果たします。
ただし、既存のトラックテストシナリオは、主にオブジェクトターゲット制御方法の柔軟性が柔軟性であり、インテリジェントなインタラクティブな動作の欠如のために、事前に固定されており、制限されていることがよくあります。
この制限を克服するために、新しいトラックテストフレームワークである実世界のトラブルメーカーを提案します。これにより、敵対的なオブジェクトターゲットモーション軌道を生成し、テスト中の車両とのインテリジェントな相互作用を促進し、よりリアルで動的なテスト環境を作成できます。
柔軟なモーション軌道を有効にするために、クラウド制御テクノロジーを利用して、オブジェクトターゲットをリモートかつ動的に制御して、現実的な交通環境を作成します。
インテリジェントな相互作用を実現するために、ゲーム理論構造内でインタラクティブな具体的なシナリオ生成方法が導入されます。
提案されたフレームワークは、Tongji University Intelligent Connected Vehicle Averuation Baseで正常に実装されています。
フィールドテストの結果は、トラブルメーカーが広告の動的なインタラクティブテストを正確かつ効果的に実行できることを示しています。
従来のトラックテスト方法と比較して、トラブルメーカーはシナリオの繁殖精度を65.2 \％改善し、ターゲット車両相互作用戦略の多様性を約9.2倍増加させ、保護されていない左ターンシナリオで安全性批判シナリオの露出頻度を3.5倍増加させます。

要約(オリジナル)

Track testing plays a critical role in the safety evaluation of autonomous driving systems (ADS), as it provides real-world object targets and a safety-controllable interaction environment. However, existing track testing scenarios are often pre-fixed and limited, primarily due to the inflexibility of object target control methods and the lack of intelligent interactive behaviors. To overcome this limitation, we propose a novel track testing framework, Real-world Troublemaker, which can generate adversarial object target motion trajectories and facilitate intelligent interactions with the vehicle under test (VUT), creating a more realistic and dynamic testing environment. To enable flexible motion trajectories, cloud-controlled technology is utilized to remotely and dynamically control object targets to create a realistic traffic environment. To achieve intelligent interactions, an interactive concrete scenario generation method is introduced within a game-theoretic structure. The proposed framework has been successfully implemented at the Tongji University Intelligent Connected Vehicle Evaluation Base. Field test results demonstrate that Troublemaker can perform dynamic interactive testing of ADS accurately and effectively. Compared to traditional track testing methods, Troublemaker improves scenario reproduction accuracy by 65.2\%, increases the diversity of target vehicle interaction strategies by approximately 9.2 times, and enhances exposure frequency of safety-critical scenarios by 3.5 times in unprotected left-turn scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google