SaFeR: Safety-Critical Scenario Generation for Autonomous Driving Test via Feasibility-Constrained Token Resampling

यहाँ "SaFeR: Feasibility-Constrained Token Resampling के माध्यम से स्वायत्त ड्राइविंग परीक्षण के लिए सुरक्षा-महत्वपूर्ण परिदृश्य पीढ़ी" नामक शोध पत्र का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

स्वायत्त ड्राइविंग सिस्टम (ADS) की तैनाती के लिए कठोर सुरक्षा सत्यापन की आवश्यकता होती है। जबकि वास्तविक दुनिया का परीक्षण लागत और सुरक्षा के कारण सीमित है, सिमुलेशन-आधारित परीक्षण एक स्केलेबल विकल्प प्रदान करता है। हालाँकि, मौजूदा परिदृश्य पीढ़ी विधियाँ एक मौलिक त्रिशंकु (trilemma) का सामना करती हैं:

1. प्रतिकूल महत्वपूर्णता (Adversarial Criticality): ऐसे परिदृश्य उत्पन्न करना जो उच्च टक्कर जोखिम (collision risks) पैदा करते हैं।
2. भौतिक व्यवहार्यता (Physical Feasibility): यह सुनिश्चित करना कि परिदृश्य सैद्धांतिक रूप से हल करने योग्य हों (अर्थात, एगो वाहन [ego vehicle] इष्टतम नियंत्रण के साथ टक्कर से बच सके)।
3. व्यवहारगत यथार्थवाद (Behavioral Realism): स्वाभाविक, मानव-समान ड्राइविंग पैटर्न को बनाए रखना।

वर्तमान दृष्टिकोण अक्सर इन उद्देश्यों को संतुलित करने में विफल रहते हैं। यथार्थवाद-केंद्रित मॉडल सुरक्षा-महत्वपूर्ण घटनाओं का कम प्रतिनिधित्व करते हैं (क्योंकि प्राकृतिक डेटा में टक्करें दुर्लभ होती हैं), जबकि प्रतिकूल अनुकूलन (adversarial optimization) विधियाँ अक्सर अपरिहार्य टक्करों (inevitable collisions) (जो टालने के लिए भौतिक रूप से असंभव हैं) या अस्वाभाविक, झटकेदार प्रक्षेप पथ (trajectories) उत्पन्न करती हैं, जो उन्हें सुरक्षा मूल्यांकन के लिए अमान्य बना देती हैं।

2. कार्यप्रणाली: SaFeR फ्रेमवर्क (Methodology: SaFeR Framework)

लेखक SaFeR का प्रस्ताव करते हैं, जो ट्रैफ़िक पीढ़ी को एक डिस्क्रीट 'नेक्स्ट-टोकन प्रेडिक्शन' समस्या के रूप में तैयार करता है। यह एक यथार्थवाद पूर्ववर्ती (Realism Prior) को व्यवहार्यता-बाधित पुन: नमूनाकरण रणनीति (Feasibility-Constrained Resampling Strategy) के साथ एकीकृत करता है।

A. यथार्थवाद पूर्ववर्ती मॉडलिंग (NTP)

• विवक्तीकरण (Discretization): निरंतर क्रिया स्थान (त्वरण $a$ और यॉ रेट $\psi$) को एक मोशन वोकैबुलरी ($63 \times 63$ टोकन) में विवक्त किया गया है।
• आर्किटेक्चर: एक ट्रांसफार्मर-आधारित नेक्स्ट-टोकन प्रेडिक्शन (NTP) मॉडल बड़े पैमाने के डेटासेट (Waymo Open Motion Dataset) से ड्राइविंग व्यवहार के स्वाभाविक वितरण को सीखता है।
• मल्टी-हेड डिफरेंशियल अटेंशन (MDA): घने ट्रैफ़िक में "अटेंशन नॉइज़" (जहाँ मानक ट्रांसफार्मर अप्रासंगिक एजेंटों को भार देते हैं) को संबोधित करने के लिए, लेखक एक अभिनव MDA मॉड्यूल पेश करते हैं।
  • यह इंटरैक्शन को टेम्पोरल (सामयिक), एजेंट-एजेंट, और एजेंट-मैप घटकों में विभाजित करता है।
  • यह प्राथमिक अटेंशन स्कोर से ग्लोबल अटेंशन नॉइज़ को गतिशील रूप से घटाने के लिए एक पेयर्ड सॉफ्टमैक्स डिज़ाइन (paired softmax design) का उपयोग करता है, जिससे महत्वपूर्ण इंटरैक्शन संकेतों को अलग किया जा सके और यथार्थवाद पूर्ववर्ती की सटीकता में सुधार हो सके।

B. व्यवहार्यता बाधा मॉडलिंग (LFR)

अपरिहार्य टक्करों को रोकने के लिए, SaFeR लार्जेस्ट फिएसिबल रीजन (LFR) पर आधारित एक बाधा लागू करता है।

• परिभाषा: LFR उन अवस्थाओं (states) का सेट है जहाँ से एगो वाहन एक इष्टतम नियंत्रण नीति के तहत सैद्धांतिक रूप से टक्कर से बच सकता है। इसे हैमिल्टन-जेकोबी रीचैबिलिटी (HJR) विश्लेषण से प्राप्त किया जाता है।
• अनुमान (Approximation): चूंकि सटीक HJR गणना कम्प्यूटेशनल रूप से महंगी है, लेखक ऑफलाइन सुदृढीकरण लर्निंग (Offline Reinforcement Learning) का उपयोग करके इष्टतम व्यवहार्य वैल्यू फंक्शन $V^*_h(s)$ का अनुमान लगाते हैं।
  • वे पॉलिसी को वैल्यू एस्टीमेशन से अलग करने के लिए एक्सपेक्टाइल रिग्रेशन (Expectile Regression) का उपयोग करते हैं, जिससे एक न्यूरल नेटवर्क सीखता है जो यह भविष्यवाणी करता है कि कोई अवस्था व्यवहार्य ($V^*_h \leq 0$) है या अविश्वसनीय ($V^*_h > 0$)।

C. सुरक्षा-महत्वपूर्ण टोकन पुन: नमूनाकरण रणनीति (Safety-Critical Token Resampling Strategy)

मुख्य पीढ़ी प्रक्रिया प्रत्येक समय चरण पर क्रिटिकल बैकग्राउंड व्हीकल (CBV) टोकन के लिए एक दो-चरणीय बाधित खोज (Two-Stage Constrained Search) है:

1. चरण 1: ट्रस्ट रीजन निर्माण: खोज स्थान को 'रियलिज्म प्रायर' द्वारा अनुमानित शीर्ष-$n$ सबसे संभावित टोकन तक सीमित किया जाता है। यह सुनिश्चित करता है कि प्रतिकूल व्यवहार "मानव-समान" मैनिफोल्ड के भीतर रहे।
2. चरण 2: LFR-निर्देशित पुन: नमूनाकरण: ट्रस्ट रीजन के भीतर, सिस्टम उस टोकन का चयन करता है जो प्रतिकूल महत्वपूर्णता को अधिकतम करता है (एगो से दूरी को न्यूनतम करता है) जबकि व्यवहार्यता बाधा का सख्ती से पालन करता है।
   • लॉस फंक्शन: एक पदानुक्रमित लॉस फंक्शन उन टोकन को दंडित करता है जो एगो वाहन को अविश्वसनीय क्षेत्र ($V^*_h > 0$) में धकेलते हैं, जिससे अनुकूलन को LFR के भीतर रहने के लिए मजबूर किया जाता है।

3. मुख्य योगदान (Key Contributions)

1. एकीकृत ढांचा (Unified Framework): SaFeR एक उच्च-सटीकता वाले यथार्थवाद पूर्ववर्ती और व्यवहार्यता-जागरूक प्रतिकूल पुन: नमूनाकरण तंत्र को एकीकृत करके क्रिटिकैलिटी, फिएसिबिलिटी और रियलिज्म के बीच के संतुलन को सफलतापूर्वक हल करता है।
2. मल्टी-हेड डिफरेंशियल अटेंशन (MDA): एक अभिनव अटेंशन मैकेनिज्म जो बैकग्राउंड नॉइज़ को फ़िल्टर करता है, जिससे घने ट्रैफ़िक में जटिल स्थानिक-सामयिक इंटरैक्शन को पकड़ने की मॉडल की क्षमता में काफी सुधार होता है।
3. ऑफलाइन RL के माध्यम से व्यवहार्यता बाधा: ऑफलाइन सुदृढीकरण लर्निंग के माध्यम से अनुमानित LFR बाधा का परिचय, जो व्यवस्थित रूप से अपरिहार्य टक्करों को उत्पन्न करने से रोकता है और उच्च प्रतिकूल दबाव बनाए रखता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

विधि का मूल्यांकन क्लोज्ड-लूप सिमुलेशन का उपयोग करके Waymo Open Motion Dataset (WOMD) और nuPlan पर किया गया।

• यथार्थवाद मूल्यांकन: SaFeR ने रियलिज्म मेटा-मेट्रिक में स्टेट-ऑफ-द-आर्ट बेसलाइन्स (Diffusion, QCNet, GUMP, SMART) को पछाड़ दिया। MDA मॉड्यूल ने विशेष रूप से इंटरैक्टिव और मैप-आधारित मेट्रिक्स में सुधार किया।
• व्यवहार्यता मूल्यांकन: सीखे गए LFR के विज़ुअलाइज़ेशन ने दिखाया कि मॉडल ने वेग और दूरी के आधार पर अविश्वसनीय क्षेत्रों (अपरिहार्य टक्करों) की सही पहचान की।
• क्रिटिकैलिटी और सॉल्यूशन रेट (Criticality & Solution Rate):
  • कोलिजन रेट (CR): SaFeR ने उच्च CR (WOMD पर 0.761) प्राप्त किया, जो आक्रामक बेसलाइन्स के बराबर है।
  • सॉल्यूशन रेट (SR): महत्वपूर्ण रूप से, SaFeR ने सभी विधियों में उच्चतम SR (0.865) प्राप्त किया। इसके विपरीत, ADV-BMT जैसे बेसलाइन्स में उच्च CR लेकिन बहुत कम SR (0.324) था, जो दर्शाता है कि उन्होंने अधिकतर अपरिहार्य क्रैश उत्पन्न किए।
  • काइनेमैटिक रियलिज्म: SaFeR ने वेग और त्वरण के लिए सबसे कम जेन्सन-शैनन डाइवर्जेंस (Jensen-Shannon Divergence) बनाए रखा, जो सिद्ध करता है कि प्रतिकूल व्यवहार स्वाभाविक रहे।
• एब्लेशन अध्ययन (Ablation Studies):
  • LFR बाधा को हटाने से SR में भारी गिरावट (0.865 से 0.527) आई, जो अपरिहार्य टक्करों से बचने के लिए इसकी आवश्यकता की पुष्टि करता है।
  • MDA को हटाने से यथार्थवाद और सॉल्यूशन रेट दोनों में गिरावट आई, जो शोर को फ़िल्टर करने में इसकी भूमिका को उजागर करता है।
  • ट्रस्ट रीजन साइज ($n$): क्रिटिकैलिटी (क्रिटिकैलिटी के लिए व्यापक खोज स्थान की आवश्यकता) बनाम रियलिज्म (उच्च-संभावना वाले टोकन की आवश्यकता) के बीच संतुलन बनाने के लिए $n=20$ का इष्टतम आकार पाया गया।

5. महत्व (Significance)

SaFeR स्वायत्त ड्राइविंग सुरक्षा परीक्षण में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है। यह सुनिश्चित करके कि उत्पन्न परिदृश्य एक साथ चुनौतीपूर्ण, भौतिक रूप से व्यवहार्य और मानव-समान हैं, यह ADS निर्णय लेने की क्षमताओं का मूल्यांकन करने के लिए एक अधिक विश्वसनीय बेंचमार्क प्रदान करता है। यह क्षेत्र को "अनुचित" या "असंभव" परीक्षण मामलों को उत्पन्न करने से हटाकर कठोर, वैध सुरक्षा-महत्वपूर्ण परिदृश्य उत्पन्न करने की ओर ले जाता है, जो भौतिक असंभवता के कारण गलत सकारात्मक (false positives) उत्पन्न किए बिना स्वायत्त प्रणालियों का प्रभावी ढंग से परीक्षण कर सकते हैं।