Abstract Simulation Scenario Generation for Autonomous Vehicle Verification

「摘要」：
自動駕駛汽車技術有可能對交通系統(tǒng)和城市生活產(chǎn)生重大影響。然而，自動駕駛汽車必須被證明至少與人類駕駛的汽車一樣安全，才能被接受為一種新的交通方式。目前的自動駕駛汽車驗證方法，如陰影駕駛或基于測試的標注圖像，成本高、速度慢且資源密集。因此，建模和仿真是實現(xiàn)自動駕駛汽車驗證目標不可或缺的資產(chǎn)。
本文提出了一種用于自動駕駛汽車驗證的抽象仿真場景生成框架。場景和相關斷言由基于矩陣的語義語言定義，并在模擬中轉(zhuǎn)換為測試場景。該框架允許設計所有可能的道路拓撲并驗證生成的場景?？蚣苤猩傻膱鼍盀榭赡茉谄渌脚_中對罕見條件進行擴展測試提供了基礎事實。

「關鍵詞」：自動駕駛汽車，驗證，仿真，場景生成

第一章 介紹
輔助駕駛系統(tǒng)和自動駕駛汽車(AV)技術逐漸將駕駛責任從人類駕駛員轉(zhuǎn)移到集成在汽車上的駕駛系統(tǒng)?？紤]到汽車目前極低和低效的利用率，以及在安全、物流和公民生活方面的潛在好處，自動駕駛技術有可能對多個行業(yè)產(chǎn)生破壞性影響。

美國汽車工程師協(xié)會(Society of Automotive Engineers)為汽車定義了從“0級，無自動化”到“5級，完全自動化”的6個自動駕駛級別。“一級司機輔助”和“二級部分自動化”的自動化水平在市場上日益普及。這些水平仍然需要一個人的司機在所有的時間控制，即使這樣，在這些系統(tǒng)在使用中有各種事故報告，這損害了自動駕駛技術的聲譽和相應的投資。對于自動駕駛汽車在公共場合的普遍使用，我們必須回答以下問題:“我們怎么能信任自動駕駛汽車?”因此，驗證是AV技術面臨的關鍵問題之一。

目前，最常見的自動駕駛汽車驗證方法是現(xiàn)實世界測試，即車輛在街道或監(jiān)管的測試軌道上進行測試。這是不切實際的，因為需要花費大量的時間和資源。還有其他的驗證方法，如硬件在循環(huán)(HiL)或基于注釋圖像的測試。然而，沒有AV驗證的標準系統(tǒng)，這仍然是一個未解決的挑戰(zhàn)。

在本文中，我們提出了一個抽象的場景生成系統(tǒng)，通過建模和仿真來解決AV驗證的關鍵問題。對于自動駕駛汽車的驗證，我們受到硬件驗證中成功測試方法的啟發(fā)，我們的主要重點是通過建模和仿真將這些方法應用于自動駕駛汽車決策過程的驗證。值得注意的是，我們專注于生成場景來測試自動駕駛汽車的決策，我們的方法旨在評估被測試的自動駕駛汽車僅與場景相關的決策。因此，環(huán)境條件不包括在內(nèi)，我們的系統(tǒng)只產(chǎn)生了簡單的場景，只有路段和行動者。

在我們的方法中，我們首先創(chuàng)建一個使用語義語言來描述駕駛場景的方法，該方法可以將隨機值作為輸入，然后將其轉(zhuǎn)換為模擬的邏輯駕駛場景。例如，一個路段可以用它所遵循的線的函數(shù)以及每一點的寬度來描述。然后使用幾何基元生成具有道路拓撲中所有可能曲線和車道數(shù)的道路。定義不同路段的目標是更容易地將生成的場景限制到現(xiàn)實的道路網(wǎng)絡和情況。在我們的實現(xiàn)示例中，已經(jīng)演示了對這些行以及四向交叉的描述。通過探索這些片段和這種語言的所有輸入，AV的行為可以在任何情況下測試。我們的方法還驗證了自身，以消除非法的模擬場景。

這項工作有四個主要貢獻:
我們開發(fā)了一種模擬方法，在生成場景時使用語義語言來定義場景。
我們提出了一種用各種可能的直線或曲線組合來構建仿真道路的方法，這對于實現(xiàn)真實道路建模至關重要。
我們定義了一種將不同車道數(shù)的路段相互縫合的方法，在模擬中沒有誤差。
我們對所提出的方法中每個附加路段提出了一種自驗證方法，這對于提高仿真效率至關重要。

本文的其余部分組織如下。
第二節(jié)描述了相關工作。
第三節(jié)給出了系統(tǒng)模型和方法的詳細描述。
第四部分給出了實現(xiàn)細節(jié)和仿真實例。
最后在第五部分進行總結。

第二章 相關工作
工業(yè)和學術界有各種各樣的方法來測試和驗證自動駕駛汽車，使用多方面的方法利用真實和模擬世界。在現(xiàn)實世界的測試中，一隊自動駕駛汽車在街道上行駛時，會有人坐在方向盤后面。這種類型的測試被稱為影子駕駛。使用測試軌道在現(xiàn)實世界測試中也很常見，因為這允許公司測試特定的、極端的場景。硬件在環(huán)(HiL)測試是另一種選擇，它允許將自動駕駛汽車的大腦連接到模擬測試中，并同時測試與特定硬件組件的交互作用。雖然這種形式的測試是實時運行的，但software-in-loop (SiL軟件在環(huán)測試)允許測試在模擬時間內(nèi)運行，并已在無人駕駛飛行器空間中使用。無論是將大腦以硬件還是軟件的形式連接到模擬測試中，除了傳感器以外，系統(tǒng)基本相似。場景在模擬軟件中生成，并從被測車輛的角度發(fā)送到SiL的模擬傳感器或hil的真實/模擬傳感器。然后，根據(jù)正在進行的測試類型，在現(xiàn)實世界或模擬世界中，這個視圖被發(fā)送到大腦。從那里，一旦做出決定，它就會通過車輛的任何物理組件，如輪胎或軸屬性，這也可以在真實或模擬世界中完成。在完成這些之后，車輛現(xiàn)在已經(jīng)做出了一個決定，并讓自己按照它想要的方式移動，所以場景被新信息更新，下一個感知-決策步驟被執(zhí)行。
一些測試方法側重于使用模擬來驗證新學習的機動（例如掉頭、合并）是否經(jīng)過測試，直到它們能夠以令人滿意的速度執(zhí)行。其他人使用基于他們的車輛在現(xiàn)實世界中遇到的場景的模擬。然后可以將現(xiàn)實生活中的每個重要場景模糊化為基于原始場景生成更多場景，以加強該測試的覆蓋范圍。最近還有幾項舉措旨在通過集成不同的技術來實現(xiàn) AV 驗證的標準化。智能測試框架和PEGASUS是此類方法的兩個重要示例。
目前大多數(shù)方法的目標是對整車進行測試，從場景感知和理解到在場景中做出行動決策。在我們的方法中，我們主要關注決策步驟。換句話說，我們的方法旨在測試被測AV在任何其他條件下沒有任何問題的決策能力。這個聚焦點也決定了仿真平臺的需求。該框架需要物理世界的骨架模型，而不需要環(huán)境條件的細節(jié)。因此，選擇MATLAB作為仿真平臺。MATLAB ADAS工具箱將場景中的參與者簡單地表示為盒子。
第三章 場景生成框架

圖1展示了我們的模擬框架的組件的分解。中間的灰色區(qū)域是通過輸入創(chuàng)建的場景的AV的大腦。頂部的模塊定義了用戶如何與框架交互以生成場景。仿真框架從主程序開始，主程序具有一定的調(diào)優(yōu)和輸入選項。然后根據(jù)這些輸入隨機生成場景，并將其輸入到實際模型中。在這里，場景被生成，自我車輛(測試中的車輛)被放置在其中，每一步都由自我車輛通過感知、做出決定和執(zhí)行它的整個周期來響應它。

模擬數(shù)據(jù)是在運行期間和運行之后收集的。這些數(shù)據(jù)點包括每個決策的安全性和合法性以及場景的定義。由于該場景是由某個輸入生成的，因此可以在需要時重新創(chuàng)建它。
A.語義語言
模型必須能夠創(chuàng)建場景來反映所有可能的情況集。我們開發(fā)了一種語義語言，用于分解定義場景的因素，包括道路、角色和交通邏輯。因此，我們方法的第一個階段是創(chuàng)建這種語義語言。
語義語言的第一種方法使用字符串結構和相關規(guī)則如下:
道路生成從一個與正則表達式匹配的字符串開始。
道路類型為大寫字母。
參數(shù)為小寫字母。
數(shù)字值放在參數(shù)之后。
參數(shù)及其數(shù)值放在道路類型之前。
根據(jù)這些規(guī)則，從命令行獲取輸入，并解析形式語法以生成詞元(token)。詞元(token)還具有上下文敏感的參數(shù)，這些參數(shù)包含在每種詞元(token)類型中。表I給出了開發(fā)的詞元(token)及其屬性。


在生成所有詞元(token)之后，將使用它們?yōu)槟M的輸入文件生成適當?shù)膞ml段。每個路段都有一個唯一的id號，它與場景的一個全局id變量一起使用，該變量隨每一塊增加。還有一個全局的點數(shù)組，它確定下一個路段的位置，并在xml生成過程中自動更新。
圖2顯示了在PreScan和MATLAB Simulink中使用示例字符串“l(fā)05d0A115A180d1A132BCCX150d0A110A1405”創(chuàng)建的仿真場景。PreScan是最全面的仿真平臺之一，可以模擬汽車和汽車上的所有傳感器配置。然而，這些細節(jié)在邏輯場景生成階段是不必要的。MATLAB ADAS工具箱將對象簡化為三維的盒子，并將道路簡化為它們所遵循的直線，以及一些其他的次要細節(jié)。這種場景生成方法使它成為適合我們方法的工具。

在初始的基于字符串的語言實現(xiàn)之后，我們決定在MATLAB中不僅包括輸入模式，還包括系統(tǒng)的斷言。因此，下一個迭代的實現(xiàn)包括一個基于矩陣的系統(tǒng)來概括場景特征，并創(chuàng)建一個高效的標記和排序系統(tǒng)。數(shù)字矩陣作為輸入讀取，其中每一行都是一個不同的斷言，描述一個單獨的路段或參與者，然后可以對其進行解析以生成場景。為了做到這一點，道路網(wǎng)絡和參與者被簡化為牛頓物理學中最基本的元素，如質(zhì)心和維度。然后根據(jù)實際情況對這些元素進行參數(shù)化。值得注意的是，該模型不包含任何環(huán)境因素。
在我們的框架中創(chuàng)建的示例場景如圖3所示。在這個場景中，測試中的自我車輛領導一個排。該示例展示了實施方法在實際測試中的潛在能力，例如具有可變車道數(shù)、多個參與者和車道標記的路段組合。

B.道路拓撲生成
在模擬中放置道路需要道路中心、每個中心處的道路寬度、傾斜角度和車道細節(jié)。然后，生成道路就是獲取輸入并將其轉(zhuǎn)換為道路在場景上下文中遵循的一系列點。輸入中的第一個值定義將創(chuàng)建的道路類型。通過將道路限制為特定的道路段，可以將生成的場景約束為真實的道路網(wǎng)絡和情況。生成每個路段時，通過旋轉(zhuǎn)它將其縫合到上一個路段，以便沿第一個點的切線與上一個路段最后一個點的切線對齊，并在駕駛場景中將其移動到該坐標。在兩個連續(xù)的片段之間，還有一個中間片段，用于平滑具有不同車道數(shù)的兩個片段之間的過渡。
1)參數(shù)：一旦約束到代表最常見道路（如直線道路、交叉口等）的不同部分，可以推廣到所有部分的細節(jié)必須定義為參數(shù)。某些參數(shù)只能應用于單個零件。因此，為了節(jié)省內(nèi)存，其中一些在不同片段的上下文中被賦予了新的含義。模型當前參數(shù)如表二所示。隨著更多的部分被定義和實現(xiàn)，參數(shù)也將被擴展以描述所有必須考慮的新細節(jié)。

2)道路和幾何圖元:
第一種路段旨在成為最簡單的蟾蜍(toad)，并作為更復雜道路的構建塊。它被稱為“多車道道路”，由沿由幾何圖元組成的一條直線上的一個或兩個方向的可變車道組成。這些幾何圖元，如圖 4 所示，包括線、弧線和 以恒定速率改變曲率的回旋曲線。


單條道路的所有常見形式都可以通過一組三個基本體的排列來創(chuàng)建。要選擇生成道路時使用的基本體，將使用輸入中的兩個曲率，表示起始曲率和結束曲率。若其中一個曲率為零，它將從一條直線變?yōu)橐粭l回旋曲線，該回旋曲線將過渡為曲率非零的圓弧。如果兩者的曲率均為非零，則這條線將隨機變?yōu)閏lothoid-arc-clothoid或arc-clothoid-arc形狀。
對于clothod-arc-clothoid形狀，曲率從零開始，過渡到起始曲率，在弧處保持不變，然后過渡到最后一個clothoid的結束曲率。
對于arc-clothoid-arc形狀，直線從具有起始曲率的圓弧開始，使用clothoid曲線過渡到結束曲率，并在最終圓弧的結束曲率處保持。圖5所示為路段連接實例。


為了使圖元之間無縫連接，使第一個點的切線與最后一個圖元的最后一個點的切線對齊。對于直線，朝向與開始時相同。然而，對于圓弧曲線和梭狀曲線，必須計算新的端面方向。計算弧的新面向方向很簡單，就是將弧長與曲率相乘，然后根據(jù)它的轉(zhuǎn)向方向在之前的面向方向上加減它。
「回旋曲線」(Clothoid):
回旋曲線允許從一個曲率平滑過渡到另一個曲率，是真實道路易于轉(zhuǎn)彎的地方?！富匦€的點」使用菲涅耳積分計算：
其中作為歸一化因子，表示從起點到該點的長度，表示沿曲線的距離。
對于回旋曲線，必須使用形成點時計算的參數(shù)來計算面向方向的變化：
其中R代表最終曲率，θ是曲率變化量。這提供了一個不可靠的值，它不能準確地表示更改。由于該軟件具有菲涅耳積分(用于計算回旋曲線)的精度水平，我們決定使用最后兩點的反正切來計算新的面方向。因為我們選擇的定義這條曲線的點的數(shù)量使得它們非常接近，這對于連接這兩部分是足夠的。
3)4路交叉路口(4-Way Intersection):
模型中道路段的一個重要例子是如圖6所示的4路交叉口。我們將連接到交叉路口的每條道路定義為可變車道的多車道道路，并假設這些道路可以是單向的，也可以是雙向的。


a）道路布局：
每條道路的定位基于一個中心矩形，計算出所有道路盡可能靠近中心。這四條路中的每一條都有不同數(shù)量的車道，也可以是雙向的或單向的，這意味著它們也可以有不同的寬度。為了計算矩形，使用頂部和底部道路之間的最大寬度以及左右道路之間的最大寬度來確定大小。頂部道路的中心與底部道路的中心對齊，左側和右側道路也是如此。為了使道路達到基于該系統(tǒng)的坐標，根據(jù)它們之間的數(shù)學關系，將它們從第一條道路的末端(沿著矩形底部道路的中心)移動。
b）道路的路徑：
因為場景是線性地從一塊到另一塊移動的，所以只有底部部分的車道需要定義車輛可以去哪里的選項。其他道路有一個有限的版本，以獲得其他參與者的潛在路徑。如果可以選擇左轉(zhuǎn)，從左到右的兩個車道將設置為“只允許左轉(zhuǎn)”車道。設置為“僅限左行駛”的數(shù)量是基于其他潛在方向的可用車道數(shù)以及向左行駛的可用車道數(shù)。如果還有更多的車道，它們被設置為“只前進”車道，無論前方有多少車道可用。剩下的車道被設置為右轉(zhuǎn)車道，只要有足夠的車道可以右轉(zhuǎn)。如果這是一個選項，沒有車道左邊，最右邊的車道被給予額外的選擇右走。如果有額外的車道可用，他們將被給予相同的行為前，只有車道合并在另一邊。在沒有足夠的車道的情況下，比如有一條車道，每個方向都可以選擇，這條車道被定義為中立車道，允許任何方向。
C.延長道路屬性：
在生成道路時，存儲在道路對象中的輸入有額外的值，比如它的條件和限速。速度限制反映在場景中是在計算參與者的路徑時。
道路計算過程中也設置了路標。它們以數(shù)組的形式傳入，其中包含每一行的屬性。對于雙向道路的中心線，隨機定義為雙黃線或虛線。也有可能在中心有一個轉(zhuǎn)彎車道，它總是被固體虛線包圍。
D.參與者的生成：
除了自我載體，場景中的參與者是隨機產(chǎn)生的，也由不同類型的人組成。這包括汽車、卡車、行人等車輛。他們在場景中可能采取的不同行為也被編程了。這些措施包括行人過馬路和車輛轉(zhuǎn)彎駛出車道。
E.測試場景生成：
對于測試場景的生成，使用偽隨機輸入生成。將此方法集成到語義語言中，可以確定置信度和覆蓋率分析的級別。測試的重復性和覆蓋率分析是很重要的，因為它們提供了一個漸進的測試結構。
第四章 場景驗證
執(zhí)行每個新部分的約束或檢查，以確保生成的場景僅約束于合法的測試用例。在生成場景時檢查其有效性，可以防止非法場景或破壞邏輯約束的場景進入測試運行階段?？紤]到自我汽車通常要測試大量的測試用例，這對于節(jié)省模擬時間至關重要。
第一次檢查是否新片段將創(chuàng)建一個沖突，計算出一塊周圍的矩形，并將其與計算前片段的矩形進行比較，看看它們是否相交。這些矩形的計算圍繞著角坐標的最小值和最大值，使它們簡單而有效。如果要放置的片段與之前放置的片段相交，則放置將中止，并嘗試下一個矩陣片段。
然后，還要對照放置的片段檢查待放置片段前面的矩形，以確保沒有死鎖發(fā)生，或者片段可以繼續(xù)放置到場景中，如圖7所示，以便道路矩陣可以將其盡可能多的斷言放置到場景中。

 
我們看到片段沒有通過最初檢查的一種方式是對片段長度增加的響應。
圖8顯示了10個路段的情況下，隨著道路長度的增加，失敗路段的數(shù)量?；诿總€長度的20次運行，圖9演示了這些運行中沒有一個部分失敗的百分比是多少，即所有部分在場景中結束的運行。在足夠長的長度下，實際上不可能不失敗，這使得檢查對于創(chuàng)建更有效的合法測試是必要的。




對于參與者來說，為了盡可能地減少他們占用相同空間的方塊表現(xiàn)，道路儲存了關于參與者的信息，以及他們在場景中的什么點越過那條車道。如果兩個參與者在模擬中同一點處于同一車道上，那么將使用不同的車道，或者參與者在向前移動前隨機減速一小段時間。但這并不適用于行人，因為他們之間的互動在模擬中并不那么重要。
第五章 結論
自動駕駛汽車的驗證對于其在現(xiàn)實交通中的部署至關重要。本文提出了一個用于AV測試場景生成的仿真框架。為此，我們實現(xiàn)了一個使用語義語言生成AV驗證場景的仿真模型。在此基礎上，提出了一種適用于所有可能路網(wǎng)結構的路網(wǎng)生成機制。我們還為生成的場景開發(fā)了一個迭代有效性檢查，以使生成合法測試的過程更高效。
作為未來的工作，我們將在我們的模擬框架中納入一個計算模型，并擴展路段和交通場景數(shù)據(jù)庫。我們還計劃啟用場景導出和導入功能，以便與其他知名工具(如OpenDRIVE)自動交換場景。