評価を進化へ：自動運転のための敵対的拡散を閉ループカリキュラムに変換する
Evaluation as Evolution: Transforming Adversarial Diffusion into Closed-Loop Curricula for Autonomous Vehicles
自動運転車の安全性評価を、静的データセットに依存する従来の開ループ手法から、敵対的シナリオ生成を進化的カリキュラムとして組み込んだ閉ループフレームワークE^2を提案し、衝突発見率とロバスト性を向上させた。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Yicheng Guo, Jiaqi Liu, Chengkai Xu, Peng Hang, Jian Sun
分類: cs.RO
原文アブストラクト
Autonomous vehicles in interactive traffic environments are often limited by the scarcity of safety-critical tail events in static datasets, which biases learned policies toward average-case behaviors and reduces robustness. Existing evaluation methods attempt to address this through adversarial stress testing, but are predominantly open-loop and post-hoc, making it difficult to incorporate discovered failures back into the training process. We introduce Evaluation as Evolution ($E^2$), a closed-loop framework that transforms adversarial generation from a static validation step into an adaptive evolutionary curriculum. Specifically, $E^2$ formulates adversarial scenario synthesis as transport-regularized sparse control over a learned reverse-time SDE prior. To make this high-dimensional generation tractable, we utilize topology-driven support selection to identify critical interacting agents, and introduce Topological Anchoring to stabilize the process. This approach enables the targeted discovery of failure cases while strictly constraining deviations from realistic data distributions. Empirically, $E^2$ improves collision failure discovery by 9.01% on the nuScenes dataset and up to 21.43% on the nuPlan dataset over the strongest baselines, while maintaining low invalidity and high realism. It further yields substantial robustness gains when the resulting boundary cases are recycled for closed-loop policy fine-tuning.
関連論文
- 時空間遮蔽領域における最悪ケース隠れ車両軌道探索自動運転/安全性評価
- 位置推定の不確かさ下での自動運転のための信念空間残余リスク自動運転/安全性評価
- 死角を克服：自動運転の安全性向上のための遮蔽考慮自動運転/安全性評価
- 反事実的安全マージンによる自動運転車のリスク評価自動運転/安全性評価
- 自動運転車のシナリオベース安全評価フレームワーク自動運転/安全性評価
- 自動運転トレーニングシステムのための定量的リスク指標自動運転/安全性評価
