车辆可达集优化场景生成

关键场景分布可控

一种多目标强化学习框架，通过优化车辆可达集生成关键且多样的测试场景，解决了传统方法中场景缺乏关键性和同质化的问题。

Meng, Qiang · Zhang, Lin · Zhao, Chunlai · Wang, Nian · Fei, Luo · Fei, Li · 陈虹

IEEE Transactions on Intelligent Vehicles 2024

参数信息

环境状态覆盖率

98.77 %

技术优势

训练效率与多样性兼顾

多目标强化学习框架在保证场景多样性的同时提升训练效率，并通过硬件在环仿真验证了其在实际条件下的鲁棒性。

应用场景

• 自动驾驶仿真测试：生成高覆盖、多样化的关键场景，提升仿真测试对真实事故风险的还原度。
• 测试场景生成：替代随机或单一方法，提供分布可控、避免同质化的场景库。
• 智能网联汽车测试：针对智能网联汽车测试需求，生成包含边缘案例和风险触发状态的场景集。
• 自动驾驶算法验证：为算法验证提供高信息量的关键场景，暴露模型在危险情况下的失效模式。