ملخص تقني: ScenePilot

بيان المشكلة

تعد السيناريوهات الحرجة للسلامة ضرورية لتقييم أنظمة القيادة الذاتية (AV)، إلا أنها نادرة للغاية في سجلات القيادة الطبيعية، مما يستلحزم اختبار الإجهاد القائم على المحاكاة. تعامل طرق توليد السيناريوهات الحالية الوكلاء المحيطين كخصوم مدربين لإحداث تصادمات. ومع ذلك، تعاني هذه النهج من قصورين رئيسيين:

1. عدم الصلاحية الفيزيائية: الطرق التي لا تضع نماذج صريحة للحدود الفيزيائية للمركبة والطريق غالباً ما تولد حوادث "متطرفة بصرياً" ولكنها غير قابلة للحل فيزيائياً (مثل التطلب تباطؤاً لانهائياً). هذه الإخفاقات تختبر المتانة العددية بدلاً من الكشف عن أوجه القصور الحقيقية في حزمة الاستقلالية.
2. الاعتماد المفرط على قيود أحادية:
   • الطرق المقيدة بالفيزياء: تقيد الوكلاء بسلوكيات قابلة للتحقيق فيزيائياً، لكنها غالباً ما تنهار نحو مناورات متطرفة تدفع بالحدود بالقرب من الحدود الفيزيائية، مما يفقدها القدرة على استكشاف نطاق أوسع من التفاعلات التي تكون قابلة للحل فيزيائياً ولكنها لا تزال تسبب إخفاقات في القيادة الذاتية.
   • الطرق المقيدة بالسياسة (Policy-constrained): توجه التوليد نحو حدود القدرة الخاصة بمتحكم (Controller) معين. وبينما يعد هذا مفيداً لتشخيص تلك الحزمة المحددة، إلا أنه يربط التوليد بحد يعتمد على المتحكم ويفشل في الكشف عن مدى قرب المركة الذاتية من الحدود الفيزيائية الأساسية للبيئة.

تجادل الورقة بأن النطاق الأكثر إفادة هو "نطاق الحافة" (boundary band): وهي السيناريوهات التي تكون قابلة للحل فيزيائياً من حيث المبدأ (توجد ديناميكيات مقبولة لتجنب التصادم) ولكنها لا تزال تسبب فشلاً في حزمة الاستقلالية المنشورة بسبب قيودها الخاصة.

المنهجية: ScenePilot

ScenePilot هو إطار عمل موجه بالجدوى وموجه بالحواف، مصمم لاستهداف "نطاق الحافة" هذا. يقوم بصياغة توليد السيناريوهات كعملية قرار ماركوف (MDP) متعددة الأهداف ومقيدة باستخدام التعلم التعزيزي (RL).

1. صياغة الإشارات المزدوجة

يقوم إطار العمل بفصل الجدوى الفيزيائية عن قدرة سياسة القيادة الذاتية باستخدام إشارتين لكل خطوة:

• درجة الجدوى الفيزيائية ($\sigma$): مشتقة من نسخة من نموذج المسؤولية تجاه السلامة (RSS) تراعي الحدود الفيزيائية. بخلاف نموذج RSS القياسي الذي يتضمن أوقات رد فعل تحفظية، تحسب هذه النسخة مسافة حد التباطؤ النظرية بناءً على أقصى تباطؤ ممكن.
  • $\sigma \geq 0$: الإطار قابل للتحقيق فيزيائياً (يمكن تجنب التصادم عبر التباطؤ أو التوجيه المقبول).
  • $\sigma < 0$: الإطار غير قابل للتحقيق فيزيائياً (التصادم لا يمكن تجنبه).
  • تجمع الدرجة بين الهوامش الطولية والجانبية، مع مراعاة هندسة المركبة والوقت المتبقي للتصادم (TTC)، لتحديد ما إذا كانت المناورات المتعامدة يمكن أن تمنع التصادم.
• متنبئ مخاطر المركبة الذاتية ($\Phi$): شبكة ناقد (Critic Network) خفيفة الوزن يتم تعلمها عبر الإنترنت، لتقدير خطر السلامة اللحظي للمركبة ذاتية القي。 يتم تدريبها عبر تشكيل المكافأة القائم على الإمكانات (potential-based reward shaping) لتوفير إشارة كثيفة وقابلة للاشتقاق لاحتمالية التصادم، بشكل مستقل عن سياسة متحكم محدد.

2. التحسين متعدد الأهداف المقيد

الهدف هو تعظيم مخاطر المركبة الذاتية ($J_\phi$) مع الحفاظ على الجدوى الفيزيائية ($J_\sigma \geq \epsilon$). تُصاغ الغاية كالتالي:
$$\max_{\pi} J_\phi(\pi) \quad \text{s.t.} \quad J_\sigma(\pi) \geq \epsilon$$
حيث أن $\epsilon$ هو متغير تحكم يقوم بمسح عتبة الجدوى.

3. الآليات الرئيسية

• الحماية الواعية بالجدوى على مستوى الخطوة: لمنع السياسة من الانجراف إلى مناطق غير قابلة للتحقيق فيزيائياً أو تجاهل انتهاكات الحافة، قدم المؤلفون قناع حماية (shielding mask). إذا كان هناك انتهاك للجدوى أو احتمال وقوعه ($h_t > 0$)، فإن تحديث السياسة يعطي الأولوية لميزة الجدوى ($A_\sigma$)؛ وإلا، فإنه يحسن المخاطر ($A_\phi$). يضمن ذلك بقاء الوكيل بالقرب من الحافة دون الانهيار في نماذج غير قابلة للتحقيق فيزيائياً.
• مسح عتبة الجدوى: يستخدم النظام جدولاً على شكل توزيع غاوسي لـ $\epsilon$، يبدأ بالقرب من الحد الفيزيائي ويزيد تدريجياً من الهامش. يسمح هذا للوكيل باستكشاف طيف من نطاق الحافة بدلاً من الانهيار في مجموعة ضيقة من المناورات المتطرفة.

المساهمات الرئيسية

1. صياغة نطاق الحافة: صياغة جديدة تفصل بين الجدوى الفيزيائية وقدرة سياسة المركبة الذاتية، وتستهدف صراحةً النطاق الذي تكون فيه التفاعلات قابلة للحل فيزيائياً ولكنها غير قابلة للتنفيذ بواسطة السياسة.
2. مولد خصمي مقيد: إطار عمل تعلم تعزيزي متعدد الأهداف يربط بين درجة مشتقة فيزيائياً ($\sigma$) ومتنبئ مخاطر يتم تعلمه عبر الإنترنت ($\Phi$)، باستخدام الحماية على مستوى الخطوة ومسح العتبة لتركيز العينات في نطاق الحافة الممكن.
3. التحقق التجريبي: إثبات أن ScenePilot يولد سيناريوهات ذات معدلات تصادم أعلى مع الحفاظ على الصلاحية الفيزيائية، وأن الضبط الدقيق الخصمي (Adversarial Fine-tuning) على هذه السيناريوهات يحسن المتانة في الخطوات اللاحقة باستمرار.

النتائج التجريبية

أجريت التجارب على معيار SafeBench داخل محاكي CARLA.

• الحرج للسلامة: مقارنة بالنماذج المرجعية الحديثة (بما في ذلك Learning-to-Collide، وAdvSim، وChatScene، وSCENGE)، حقق ScenePilot أعلى متوسط لمعدل التصادم (CR) بلغ 0.893 وأقل درجة إجمالية (OS) بلغت 0.476 عبر ثمانية سيناريوهات حركة مرور أساسية.
• القابلية للنقل: ظلت السيناريوهات المولدة فعالة عبر هياكل مركبات ذاتية مختلفة، بما في ذلك CARLA Autopilot، وAIM-BEV، وTransFuser، وBehaviorAgent، ومختلف متحكمات التعلم التعزيزي العميق (SAC، PPO، TD3). رفع ScenePilot متوسط معدل التصادم (CR) من 0.380 (النموذج المرجعي KING) إلى 0.490 في سيناريو الانعطاف يساراً غير المحمي.
• الصلاحية الفيزيائية: أظهر التحليل أن ScenePilot أنتج عدداً أقل بكثير من الإطارات غير الصالحة فيزيائياً مقارنة بـ ChatScene، مما يؤكد أن إخفاقاته لا تعتمد على سلوكيات مستحيلة فيزيائياً.
• الفائدة اللاحقة: أدى الضبط الدقيق الخصمي لسياسة المركبة باستخدام السيناريوهات المولدة بواسطة ScenePilot إلى تقليل معدل التصادم اللاحق من 0.854 (قبل التدريب) إلى 0.072، متفوقاً على الضبط الدقيق باستخدام مولدات أخرى.
• التغطية: غطت الطريقة جزءاً أوسع من فجوة "النطاق الممكن فيزيائياً وغير الممكن للسياسة" (مقاساً بدرجة تغطية الفجوة) مقارنة بالنماذج المرجعية، متجنبة الانهيار نحو الأنظمة شديدة الاعتدال أو المتطرفة.

الأهمية والادعاءات

تدعي الورقة أن ScenePilot يوفر أداة تقييم أكثر صرامة للقيادة الذاتية من خلال عزل فجوات الكفاءة — وهي الإخفاقات التي تنشأ من قيود حزمة الاستقلالية الحالية بدلاً من القيود الفيزيائية الحتمية. من خلال التركيز على "نطاق الحافة"، يولد هذا الأسلوب سيناريوهات هي:

• معلوماتية: تكشف عن نقاط الضعف الخوارزمية الحقيقية بدلاً من الحالات العددية الحدية.
• قابلة للتنفيذ: توفر بيانات تدريب مستهدفة تعمل على تحسين متانة الأنظمة المنشورة.
• قابلة للتعميم: تظل صعبة التحدي عبر مختلف بنيات المتحكمات.

يضع المؤلفون هذا العمل كخطوة نحو ضمان سلامة منهجي يتجاوز مجرد تعظيم الفشل لاستكشاف المساحة الدقيقة بين الإمكانية الفيزيائية والقدرة الخوارزمية.