27、自动驾驶功能场景有效生成以指导采样

自动驾驶功能场景有效生成以指导采样

在交通运输领域,实现联网和自动驾驶车辆(CAV)上路并确保其安全性是一项重大挑战。目前,CAV系统的部署可能需要大量时间,因此减少测试场景数量成为认证和验证新自动化移动服务(AMS)的关键问题。

1. 现有方法分析
  • 距离驱动法 :让测试车辆一直行驶,直到遇到足够多的交通情况才进行验证。这种方法非常低效,可能需要约12年才能验证一项新服务。
  • 场景驱动法 :该方法被认为是最有前途的,它能直接引导车辆进入相关场景,并且有研究致力于识别场景的关键性或减少测试场景数量。但目前缺乏一种能自动为抽象场景赋予关键程度的程序。
2. 创新方法思路

将基于本体的自上而下方法和基于实地测试观察的自下而上方法相结合。自上而下方法基于工程师构建的本体模型,存在偏差;自下而上方法对场景的覆盖稀疏。新方法旨在理解用例与创建交通场景之间的关系,通过图形(或树)来描述这一过程。

方法 优点 缺点
自上而下方法 基于本体模型 存在工程师构建模型的偏差
自下而上方法 基于实地测试观察 场景覆盖稀疏
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值