使用真实世界失败记录的自动驾驶系统测试场景生成

为了确保安全的道路行为，自动驾驶系统 (ADS) 的部署前测试和故障发现至关重要。目前基于模拟的测试方法主要集中在数学模型上，以假设固定的场景表示来有效搜索最佳场景。另一方面，现实世界的测试需要大量的手动工作来设计测试场景模板。这些模板代表了不同的故障场景，包括部署前的车辆移动、地图类型等。ADS 的历史故障记录是现实世界故障条件的可靠来源，可用于场景生成。在这项工作中，我们提出了一个场景生成管道，使用从自然语言格式的历史记录中获得的分类和上下文信息。我们的方法包括基于模块化 LLM 的合成场景生成，与给定系统的测试约束兼容。我们成功地应用我们的方法生成了一组不同的场景，用于使用 NHTSA ADS 崩溃记录在 Metadrive 模拟器上测试自主导航。我们的方法结合 4 种道路类型、3 种非自我车辆运动类型（包括工作区形式的道路异常），生成准确且多样化的场景。生成的场景与提供的测试条件一致，并在 20 个场景的有限测试预算内揭示了系统的有趣故障。代码可在 https://github.com/anjaliParashar/crash2scenario 获取。