Realistic adversarial scenario generation via human-like pedestrian model for autonomous vehicle control parameter optimisation
本文提出了一种具有人类多样性的认知启发式行人模型，用于为自动驾驶汽车仿真生成真实的对抗场景，并证明了此类模型通过避免由夸张的基于规则的行人仿真所导致的过度保守行为，能够实现更安全且更高效的控制器优化。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
核心理念：教汽车像人类一样思考
想象一下，你正在教一个机器人开车。为了确保安全，你必须让它在行人面前进行测试。但你不能直接把真人扔到真实的汽车面前去观察会发生什么——那既危险又昂贵。因此，工程师们使用计算机模拟。
问题在于，大多数模拟器使用的是“机器人行人”。这些数字人走起路来像行军的士兵一样，路线完美且完全可预测。他们不会犹豫，不会左右张望，也没有坏心情。因为这些数字人太僵硬、太容易预测了，导致机器人汽车学到的驾驶方式要么过于胆小（为了毫无意义的情况而刹车），要么过于冒险（因为它从未见过真实人类表现出的“古怪”行为）。
这篇论文提出了一种新方法：给机器人汽车一个具有“人性”的行人来练习。
主要角色
- 旧款行人 (CARLA)： 可以把它想象成一个仅仅遵循剧本的视频游戏角色。如果你告诉它走路，它就走路。它并不会真正“思考”驶来的汽车。它就像一个会被推倒但不会尝试躲避你的假人。
- 新款行人 (COMMOTIONS)： 这是一个会“思考”的行人。它有大脑、眼睛和肌肉。它会疲劳，会分心，走路速度各异，有时还会犹豫。它就像一个站在人行横道上的真人，可能会看手机，然后抬头看，或者决定过马路，或者再等一会儿。
- 机器人汽车 (AV)： 试图学习如何安全驾驶的自动驾驶汽车。
实验步骤：三个阶段
第一步：“真实性”检查
研究人员将机器人汽车放入一个同时拥有这两类行人的模拟环境中。
- 遇到旧款行人时发生了什么？ 汽车变得很困惑。有时它会突然急刹车（吓到了乘客），因为行人做了一些汽车无法预料的奇怪动作。有时它们会发生碰撞，因为行人完全没看路就直接走到了汽车前面。
- 遇到新款行人时发生了什么？ 汽车行驶得顺畅多了。因为新款行人表现得像个真人（等待间隙、观察车辆），汽车学会了平缓减速并等待安全时机，就像人类驾驶员那样。
教训： 如果你用虚假的、僵硬的行人来训练机器人司机，它会养成坏习惯。如果你用真实的、具有“混乱感”的人类化行人来训练它，它会学得更安全、更舒适。
第二步：寻找“危险区域”（对抗性场景）
通常，为了测试安全性，研究人员会试图让“坏人”（行人）表现得尽可能疯狂——比如一个故意冲向交通流量的“自杀式行人”。这篇论文认为这是不切实际的。现实中的人并不是想撞车，他们只是犯了错或者时机不对。
相反，研究人员利用新款行人来寻找“意外”的危险区域。他们问道：“如果我们挑选一个特定的人，比如一个走路慢一点的人，或者一个注意力不集中的人，并让他们在某个特定的、有风险的时机跨出马路，汽车会撞车吗？”
他们发现，危险情况并非发生在每个人身上。 它们只发生在特定类型的行人身上（例如：走路慢的人）以及特定的时刻（例如：当汽车离得很近时）。这就像是发现某种特定的结冰路面只会在温度恰好合适时，出现在特定的路段上。这不是普遍的危险，而是特定因素的组合。
第三步：调整汽车的刹车
最后，他们利用这些“意外危险”场景来教会汽车如何更好地刹车。他们调整了一个设置：汽车从多远的地方开始刹车。
- “疯狂”测试： 当他们使用“自杀式/疯狂”行人模型来训练汽车时，汽车学会了刹车得太早了。它变得像个神经质，为了毫无意义的原因就停下来，这导致交通缓慢且乘客感到不适。
- “人类”测试： 当他们使用新款行人（写实的行人）进行训练时，汽车找到了“金发姑娘区”（即最理想的状态）。它的刹车时机既保证了安全，又不会因为刹车太早而浪费时间。
用通俗语言解释结果
- 真实性至关重要： 使用一个表现得像真实人类（具有多样性和犹豫感）的行人模型，比使用简单的、遵循规则的机器人行人能让汽车驾驶得更好。
- 安全性具有特异性： 危险情况并非随机发生；它们是由谁是行人以及他们何时跨出马路这两个特定因素结合而成的。你不能只测试“恶劣天气”；你必须测试“一个走路慢的人在最后一秒跨出马路”。
- 更好的刹车： 通过在这些真实的、人类化的“险些碰撞”场景中进行训练，汽车学会了平稳刹车。它变得更安全，同时又不会变成一个看到叶子飘过就会停下的胆小鬼。
总结
这篇论文表明，要制造一辆真正的安全自动驾驶汽车，我们不应该仅仅针对那些最极端、最疯狂的场景进行测试。相反，我们应该针对真实的、具有人类行为特征的场景进行测试，包括人类自然的“混乱感”。这有助于汽车在保持安全的同时，也能兼顾驾驶效率，而不是变得要么过度谨慎，要么危险地忽视一切。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。