廣告
NVIDIA 自動駕駛實驗室：為自動駕駛汽車生成基于 AI 的事故場景
現(xiàn)實世界中存在著各種類型的交通狀況，自動駕駛汽車必須能夠安全應對以上狀況。其中包括由于車距較近導致的危險事故，在這種狀況下，其他道路使用者在行駛過程中進行的意外操作可能導致碰撞事故發(fā)生。
然而，對開發(fā)人員而言，在這些類型的場景中開發(fā)和測試自動駕駛汽車極具挑戰(zhàn)性。因為現(xiàn)實世界中這類碰撞數(shù)據(jù)十分罕見，此外，若要在現(xiàn)實世界中重現(xiàn)此類情況來進行測試則極不安全，并且該方法難以擴展并實現(xiàn)規(guī)?；?。
利用 STRIVE 算法
對自動駕駛汽車規(guī)劃模塊進行壓力測試
在自動駕駛汽車堆棧中，規(guī)劃模塊負責決定車輛應如何行駛。若要對規(guī)劃模塊進行全面的測試，則需要收集真實且多樣化的潛在交通事故場景數(shù)據(jù)集。
NVIDIA 開發(fā)了名為 STRIVE（壓力試駕）的算法，可為自動駕駛汽車的規(guī)劃模塊訓練創(chuàng)建豐富的事故場景（圖 1）。開發(fā)人員可通過分析該模塊在仿真場景中的存在的規(guī)劃短板，在自動駕駛汽車上路前進行糾正，以便改善車輛的規(guī)劃行為。
圖 1：STRIVE 生成自動駕駛汽車的交通事故場景
利用優(yōu)化方式生成潛在事故場景
STRIVE 算法從真實世界場景著手，使目標測試車輛按照預期規(guī)劃行駛。而后，STRIVE 利用對抗優(yōu)化來修改場景中其他車輛的 2D 軌跡，以生成碰撞場景。其中，用于與自動駕駛汽車碰撞的干擾車輛可以由用戶進行指定，也可由 STRIVE 在優(yōu)化過程中自動選擇。
該解決方案中的另一項優(yōu)化是訓練自動駕駛汽車生成機動策略，來避免交通事故的發(fā)生，從而提高自動駕駛汽車的規(guī)劃能力。STRIVE 創(chuàng)建了真實且多樣化的事故場景，并提供了實用的解決方案以改善自動駕駛，如圖 2 所示。
圖 2：STRIVE 生成的潛在事故和解決方案示例
數(shù)據(jù)驅動型交通模型的真實性
仿真事故場景必須真實且能精確反映現(xiàn)實世界的交通狀況和物理環(huán)境。STRIVE 使用 AI 交通模型，基于大型真實世界數(shù)據(jù)集進行自動駕駛汽車訓練，以了解現(xiàn)實中車輛的行駛軌跡。該模型顯示為“Traffic Prior”，如圖 1 所示。
在優(yōu)化過程中，STRIVE 使用經(jīng)過訓練的 AI 模型進行檢查，以確保其生成的場景真實有效，即場景中需包含事故狀況。
從 2D 軌跡到 3D 仿真
STRIVE 在 NVIDIA DRIVE Sim 中運行，基于十字交叉路口創(chuàng)建多種事故場景。STRIVE 會基于現(xiàn)實世界的駕駛行為，進行常規(guī)交通重建，而后創(chuàng)建各種自動駕駛汽車可能會與不同的車輛產(chǎn)生的交通事故（圖 3）。
圖 3：NVIDIA DRIVE Sim 中產(chǎn)生的潛在事故,每個事故都來自對應的真實場景
結論
STRIVE 能夠在仿真中自動創(chuàng)建罕見且危險的潛在事故場景。自動駕駛開發(fā)人員可借助 STRIVE 算法，對自動駕駛系統(tǒng)進行全面訓練和評估，以確保其行為的安全性。
生成車輛之間可能發(fā)生的碰撞場景只是利用 AI 進行交通場景仿真的一個用例。NVIDIA 正著力將數(shù)據(jù)驅動型模型納入所有類型的交通場景仿真之中，包括行人、自行車騎行者和場景編輯等領域。
廣告 編輯推薦
最新資訊
-
“汽車爬坡試驗方法”將有國家標準
2026-03-03 12:44
-
十年耐久監(jiān)管時代：電池系統(tǒng)開發(fā)策略將如何
2026-03-03 12:44
-
聯(lián)合國法規(guī)R59對機動車備用消聲系統(tǒng)的工程
2026-03-03 12:08
-
聯(lián)合國法規(guī)R58對后下部防護裝置的工程化約
2026-03-03 12:07
-
聯(lián)合國法規(guī)R57對摩托車前照燈配光性能的工
2026-03-03 12:07
