Resumo Técnico: ScenePilot

Declaração do Problema

Cenários críticos para a segurança são essenciais para avaliar sistemas de condução autónoma (AV), mas são extremamente raros em registos de condução naturalística, tornando necessário o teste de stress baseado em simulação. Os métodos existentes de geração de cenários tratam tipicamente os agentes circundantes como adversários treinados para induzir colisões. No entanto, estas abordagens sofrem de duas limitações primárias:

1. Invalidade Física: Métodos que não modelam explicitamente os limites físicos veículo-estrada frequentemente geram colisões "visualmente extremas" mas fisicamente insolúveis (por exemplo, exigindo desaceleração infinita). Estas falhas testam a robustez numérica em vez de revelar deficiências genuínas na pilha de autonomia.
2. Excesso de Dependência de Restrições Únicas:
   • Métodos restritos pela física limitam os agentes a comportamentos fisicamente realizáveis, mas frequentemente colapsam em manobras extremas de empurrão de limites próximos dos limites físicos, perdendo o regime mais amplo de interações que são fisicamente solúveis mas ainda causam falhas no AV.
   • Métodos restritos pela política orientam a geração para o limite de capacidade de um controlador específico. Embora acionáveis para diagnosticar essa pilha específica, eles ancoram a geração a um limite dependente do controlador e falham em revelar quão perto o AV opera dos limites físicos fundamentais do ambiente.

O artigo argumenta que o regime mais informativo é a "faixa de limite": cenários que são fisicamente solúveis em princípio (existem dinâmicas admissíveis para evitar a colisão) mas que ainda causam a falha da pilha de autonomia implantada devido às suas limitações específicas.

Metodologia: ScenePilot

O ScenePilot é um quadro orientado pela viabilidade e dirigido por limites, concebido para visar esta faixa de limite. Formula a geração de cenários como um Processo de Decisão de Markov (MDP) multi-objetivo restrito, utilizando Aprendizagem por Reforço (RL).

1. Formulação de Duplo Sinal

O quadro separa a viabilidade física da capacidade da política do AV utilizando dois sinais por passo:

• Pontuação de Viabilidade Física ($\sigma$): Derivada de uma variante baseada em limites físicos do modelo de Segurança Sensível à Responsabilidade (RSS). Ao contrário do RSS padrão, que inclui tempos de reação conservadores, esta variante calcula a distância teórica de limite de travagem baseada na desaceleração máxima viável.
  • $\sigma \geq 0$: O quadro é fisicamente viável (uma colisão é evitável através de travagem/esterçamento admissíveis).
  • $\sigma < 0$: O quadro é fisicamente inviável (a colisão é inevitável).
  • A pontuação agrega margens longitudinais e laterais, considerando a geometria do veículo e o tempo até à colisão (TTC), para determinar se manobras ortogonais podem prevenir uma colisão.
• Preditor de Risco do AV ($\Phi$): Uma rede crítica leve aprendida online que estima o risco de segurança instantâneo do veículo ego. É treinada através de modelagem de recompensa baseada em potenciais para fornecer um sinal denso e diferenciável de probabilidade de colisão, independente da política de um controlador específico.

2. Otimização Multi-Objetivo Restrita

O objetivo é maximizar o risco do AV ($J_\phi$) enquanto mantém a viabilidade física ($J_\sigma \geq \epsilon$). O objetivo é formulado como:
$$\max_{\pi} J_\phi(\pi) \quad \text{s.t.} \quad J_\sigma(\pi) \geq \epsilon$$
onde $\epsilon$ é uma variável de controlo que varre o limiar de viabilidade.

3. Mecanismos Chave

• Proteção Consciente da Viabilidade a Nível de Passo: Para prevenir que a política derive para regiões fisicamente inviáveis ou ignore violações próximas ao limite, os autores introduzem uma máscara de proteção. Se houver uma violação de viabilidade presente ou iminente ($h_t > 0$), a atualização da política prioriza a vantagem de viabilidade ($A_\sigma$); caso contrário, otimiza para o risco ($A_\phi$). Isto garante que o agente permaneça próximo do limite sem colapsar em artefactos inviáveis.
• Varredura de Limiar de Viabilidade: O sistema emprega um calendário em forma de Gaussiana para $\epsilon$, começando perto do limite físico e aumentando gradualmente a margem. Isto permite que o agente explore um espetro da faixa de limite em vez de colapsar num único conjunto estreito de manobras extremas.

Contribuições Chave

1. Formulação da Faixa de Limite: Uma formulação inovadora que separa a viabilidade física da capacidade da política do AV, visando explicitamente o regime onde as interações são fisicamente solúveis mas inviáveis pela política.
2. Gerador Adversarial Restrito: Um quadro de RL multi-objetivo que acopla uma pontuação derivada da física ($\sigma$) e um preditor de risco aprendido online ($\Phi$), utilizando proteção a nível de passo e varredura de limiar para concentrar amostras na faixa viável próxima ao limite.
3. Validação Empírica: Demonstração de que o ScenePilot gera cenários com taxas de colisão mais elevadas enquanto preserva a validade física, e que o ajuste fino adversarial nestes cenários melhora consistentemente a robustez a jusante.

Resultados Experimentais

Os experimentos foram conduzidos no benchmark SafeBench dentro do simulador CARLA.

• Crítica para a Segurança: Comparado com baselines de última geração (incluindo Learning-to-Collide, AdvSim, ChatScene e SCENGE), o ScenePilot alcançou a maior Taxa de Colisão (CR) média de 0.893 e a menor Pontuação Global (OS) de 0.476 em oito cenários de tráfego base.
• Transferibilidade: Os cenários gerados permaneceram eficazes em pilhas de AV heterogéneas, incluindo CARLA Autopilot, AIM-BEV, TransFuser, BehaviorAgent e vários controladores de RL profundo (SAC, PPO, TD3). O ScenePilot aumentou a CR média de 0.380 (baseline KING) para 0.490 no cenário de Viragem à Esquerda sem Proteção.
• Validade Física: A análise mostrou que o ScenePilot produziu significativamente menos quadros fisicamente inválidos em comparação com o ChatScene, confirmando que as suas falhas não dependem de comportamentos fisicamente impossíveis.
• Utilidade a Jusante: O ajuste fino adversarial de uma política ego utilizando cenários gerados pelo ScenePilot reduziu a taxa de colisão a jusante de 0.854 (pré-treinado) para 0.072, superando o ajuste fino com cenários de outros geradores.
• Cobertura: O método cobriu uma porção mais ampla da faixa de lacuna "fisicamente viável mas inviável pelo AV" (medida pela Pontuação de Cobertura de Lacuna) em comparação com as baselines, evitando o colapso em regimes excessivamente brandos ou extremos.

Significado e Alegações

O artigo alega que o ScenePilot fornece uma ferramenta de avaliação mais rigorosa para a condução autónoma, isolando lacunas de competência — falhas que surgem de limitações da pilha de autonomia atual em vez de restrições físicas inevitáveis. Ao focar na "faixa de limite", o método gera cenários que são:

• Informativos: Revelam fraquezas algorítmicas genuínas em vez de casos extremos numéricos.
• Acionáveis: Fornecem dados de treino direcionados que melhoram a robustez dos sistemas implantados.
• Generalizáveis: Permanecem desafiadores em diversas arquiteturas de controladores.

Os autores posicionam este trabalho como um passo em direção a uma garantia de segurança sistemática que vai além da simples maximização de falhas, explorando o espaço nuances entre a possibilidade física e a capacidade algorítmica.