Generating Realistic Safety-Critical Scenarios for Vehicle-Pedestrian Interactions

Resumen Técnico: Generación de Escenarios Críticos para la Seguridad Realistas en las Interacciones Vehículo-Peón

Enunciado del Problema
La implementación de Sistemas de Conducción Automatizada (ADS) requiere una validación rigurosa frente a interacciones vehículo-peón críticas para la seguridad. Sin embargo, existe una brecha crítica en los recursos de datos actuales: los conjuntos de datos del mundo real (por ejemplo, NGSIM, INTERACTION, HDI) capturan comportamientos humanos auténticos, pero raramente contienen suficientes escenarios de casi-choque o de evasión de colisiones de alto riesgo debido a su rareza. Por el contrario, las plataformas basadas en simulación (por ejemplo, CARLA, Virtual KITTI) ofrecen una generación de escenarios escalable, pero dependen de controladores basados en reglas y modelos cinemáticos simplificados que no logran reproducir la toma de decisiones adaptativa, interactiva y de evasión característica de los conductores y peones humanos reales. Los enfoques híbridos existentes a menudo tratan la simulación meramente como un entorno de despliegue para modelos preentrenados, dejando a los agentes incapaces de adaptarse a nuevos escenarios o patrones de interacción, lo que resulta en políticas "congeladas" con diversidad limitada y toma de decisiones frágil.

Metodología
Para abordar estas limitaciones, los autores proponen un marco de tres etapas que integra la fundamentación conductual del mundo real con el aprendizaje en línea impulsado por simulación para generar el conjunto de datos de Interacción Crítica para la Seguridad Vehículo-Peón (VPSCI). El núcleo de este marco es un modelo de Gradiente Determinista de Política Profunda mejorado con Transformador de Espacio de Estados Multiagente (MA-SST-DDPG).

• Etapa 1: Preentrenamiento con Datos del Mundo Real: Los agentes MA-SST-DDPG (vehículo y peón) se preentrenan con 336 interacciones críticas para la seguridad extraídas del conjunto de datos HDI (9.443 pasos de tiempo). La criticidad para la seguridad se define utilizando un umbral de Tiempo de Colisión Curvilíneo (CurvTTC) de 5 segundos, que captura la ventana completa de respuesta conductual de las trayectorias en intersecciones curvas. El modelo aprende comportamientos de evasión similares a los humanos mediante aprendizaje basado en datos, utilizando un Buffer de Repetición Práctico y una función de recompensa que penaliza las desviaciones de las velocidades típicas de conducción y caminata.
• Etapa 2: Aprendizaje en Línea en Simulación: Los agentes preentrenados se despliegan en el simulador CARLA (mapa Town10) para el aprendizaje por refuerzo en línea. Un módulo de monitoreo activa la política MA-SST-DDPG solo cuando CurvTTC < 5 s, anulando el piloto automático basado en reglas de CARLA para ejecutar maniobras de evasión aprendidas. Durante estos eventos críticos, el modelo actualiza su política utilizando un Buffer de Repetición de Simulación. Esta etapa emplea exploración adaptativa, mecanismos de preservación del conocimiento (para evitar el olvido catastrófico de los comportamientos del mundo real) y un esquema de ponderación de recompensas adaptativo que equilibra dinámicamente las penalizaciones por colisión, el logro de objetivos y la consistencia de la velocidad. Este proceso refina el modelo en un "MA-SST-DDPG Refinado" capaz de generalizar a través de diversos diseños de intersecciones.
• Etapa 3: Generación de Datos a Gran Escala: El modelo MA-SST-DDPG Refinado se utiliza para generar 198.157 episodios de interacción de alta resolución a través de ocho escenarios distintos (dos ubicaciones, cuatro direcciones de cruce cada una). El conjunto de datos VPSCI resultante incluye 3.603 km de trayectorias de vehículos y 2.625 km de trayectorias de peones, capturando diversas condiciones cinemáticas y comportamientos resultantes.

Contribuciones Clave

1. Marco Híbrido de Tres Etapas: Una arquitectura novedosa que combina el preentrenamiento basado en datos con el aprendizaje en línea impulsado por simulación, abordando la escasez de datos críticos para la seguridad del mundo real y la falta de realismo conductual en los métodos basados únicamente en simulación.
2. Conjunto de Datos VPSCI: Un conjunto de datos a gran escala y de alta resolución de más de 198.000 episodios de interacción vehículo-peón críticos para la seguridad, validado para el realismo conductual.
3. Análisis Conductual: Demostración de la utilidad del marco para realizar análisis de seguridad, cuantificando tasas de conflicto y patrones de riesgo conductual (por ejemplo, probabilidades de ceder el paso) que se alinean con las observaciones del mundo real.

Resultados

• Rendimiento del Modelo: El modelo MA-SST-DDPG Refinado logró los errores de trayectoria más bajos entre todos los puntos de referencia comparados (Aprendizaje por Refuerzo Multiagente, Aprendizaje por Refuerzo de Agente Único, Predicción de Trayectoria y Aprendizaje Supervisado), con un Error de Desplazamiento Promedio (ADE) de 0,072 m y un Error de Desplazamiento Final (FDE) de 0,142 m. Esto superó al modelo solo preentrenado y a todas las demás arquitecturas, confirmando el beneficio del enfoque de aprendizaje híbrido.
• Equivalencia Distribucional: Las comparaciones estadísticas (prueba de Kolmogorov-Smirnov, distancia de Wasserstein) confirmaron que las distribuciones de CurvTTC de los datos VPSCI generados son estadísticamente equivalentes al conjunto de datos HDI del mundo real. Además, los datos generados reprodujeron la lógica conductual de ceder el paso de los peones en relación con la proximidad y la velocidad del vehículo.
• Validación de la Prueba de Turing: Un estudio perceptual con 44 expertos en ingeniería de transporte evaluó el realismo de las interacciones generadas frente a proyecciones del mundo real y comportamientos predeterminados de CARLA. Las salidas del marco de tres etapas recibieron puntuaciones altas de realismo (3,96–4,08 en una escala de 5 puntos) y se encontraron estadísticamente indistinguibles de los datos del mundo real (p = 0,92), mientras que los comportamientos predeterminados de CARLA recibieron puntuaciones significativamente más bajas.
• Análisis de Seguridad: El análisis de los datos generados reveló tendencias realistas: las tasas de conflicto aumentaron monótonamente con las velocidades de los vehículos y los peones, y la probabilidad de ceder el paso de los peones aumentó con la proximidad y la velocidad del vehículo. Por el contrario, el piloto automático predeterminado de CARLA no logró reproducir estas dinámicas sensibles a la velocidad.

Significado
El artículo afirma que este marco supera con éxito la brecha entre la escasez de datos críticos para la seguridad del mundo real y la falta de realismo conductual en las simulaciones. Al producir un conjunto de datos que conserva comportamientos de evasión similares a los humanos mientras ofrece diversidad a gran escala, el conjunto de datos VPSCI sirve como un recurso valioso para el desarrollo y la evaluación de ADS. Específicamente, permite pruebas rigurosas de casos extremos y entrenamiento condicionado al comportamiento donde los agentes peones actúan como sustitutos adaptativos y realistas en lugar de entidades scriptadas. El estudio concluye que este enfoque ofrece una estrategia escalable para mejorar el rendimiento del modelo en dominios donde los datos reales son escasos, pero los escenarios de alto riesgo son críticos para la validación de la seguridad.