PCASim：城市交通环境的即时闭环对抗模拟

现实世界的自动驾驶，特别是在具有众多极端情况的城市环境中，需要严格的测试以确保产品的安全性和稳健性。然而，很少有研究探索将对抗性场景生成与闭环测试中的安全代理训练相结合，从而实现两者的高效协同进化和相互增强。为了应对这一挑战，通过将基于规则的过滤应用于开源数据集，并结合为模拟环境定制的知识检索模块，构建了对抗行为知识库。 大语言模型 (LLM) 用于集成知识、数据和对抗驱动的方法，生成根据用户需求定制的安全关键交通场景。此外，在评估生成的场景时，我们采用强化学习模型来训练不同类型车辆的行为，从而在保留真实性的同时丰富现有数据集之外的场景多样性。实验结果表明，所提出的框架将特定领域语言生成的准确性提高了 12%。此外，新生成的场景转换成功率提升8%，避障能力提升30%。完整手稿请参考：https://zhenhaooo.github.io/PCASim.github.io/