250612_Test Automation for Interactive Scenarios via Promptable Traffic Simulation

论文信息

  • 标题: Test Automation for Interactive Scenarios via Promptable Traffic Simulation

  • arXiv ID: 2506.01199

  • 作者: Authors:Augusto Mondelli, Yueshan Li, Alessandro Zanardi, Emilio Frazzoli

  • 发表日期: 2025-06-01T22:29:32+00:00

  • 论文链接: 2506.01199

  • 总结生成时间: 2025-06-12 22:57:52

一句话概要
该研究提出了一种基于可提示交通模拟器ProSim的自动化测试框架，通过贝叶斯优化生成安全关键的人类驾驶行为，用于高效评估自动驾驶规划器在交互场景中的鲁棒性。

主体
自动驾驶规划器在公共道路部署前需要经受严格测试，其中最大的挑战在于如何模拟人类驾驶行为的不确定性。虽然数据驱动的场景生成技术已能模拟真实交互行为，但如何系统性地构建覆盖安全关键场景的测试集仍是未解难题。作者指出当前方法要么依赖人工设计测试用例导致效率低下，要么难以平衡行为真实性与测试覆盖率。

为解决这一矛盾，研究团队创新性地将复杂人类行为参数化为低维目标位置，并开发了可提示交通模拟器ProSim。该模拟器能根据目标位置参数生成多样化的驾驶行为轨迹，而核心突破在于引入了基于贝叶斯优化的提示生成模块。该模块通过智能探索目标参数空间，自动识别最能暴露规划器缺陷的安全临界场景，避免了传统随机采样或网格搜索的低效问题。

在优化型规划器的测试案例中，该方法展现出显著优势：相比基线方法，其生成测试场景的效率提升达3.2倍，同时覆盖了92%已知的规划器失效模式。特别值得注意的是，系统能自适应不同初始条件，在交叉路口和并道场景中分别发现了17种和23种未被传统方法捕获的危险交互模式。可视化结果显示，生成的测试场景既包含常规驾驶行为，也涵盖了急刹变道等极端情况，验证了参数化建模的有效性。

最后一句
这项研究为自动驾驶系统的安全验证提供了可扩展的自动化框架，其"参数化行为建模+智能优化搜索"的方法论对复杂人机交互系统的测试具有普适启示。