论文
Chat2Scenic：面向自动驾驶场景生成的迭代RAG框架
Chat2Scenic: An Iterative RAG-Based Framework for Scenario Generation in Autonomous Driving
摘要
验证自动驾驶系统需要多样、合规的测试场景。在基于仿真的测试中，场景被定义为可执行脚本。但从法规描述自动生成此类脚本仍是开放挑战，且既有方法面临根本权衡：检索组装方法取得合理的编译率但缺乏可扩展性，而基于检索的全脚本生成遭受低编译成功率。我们提出Chat2Scenic：首个生成领域专用语言（DSL）场景脚本的迭代检索增强框架。具体地，Chat2Scenic提供支持交互式场景精修的聊天机器人界面，并集成检索增强生成（RAG）把场景生成落地到法规知识与DSL语法。此外我们提出开放场景生成基准：含来自NHTSA与联合国车辆法规等各种法规的123个场景及其他来源。以最先进LLM的大量评估显示：Chat2Scenic取得76.42%的编译成功率（CSR）与58.17%的框架准确率（FA），超过既有方法（检索组装30.08% CSR、11.03% FA；检索全脚本生成16.26% CSR、10.86% FA）。为促进后续研究，我们把代码开源发布于https://github.com/TUM-AVS/chat2scenic。
