基于智能体自主对抗行为的自动驾驶边缘场景生成方法及系统

本发明属于自动驾驶，具体涉及一种基于智能体自主对抗行为的自动驾驶边缘场景生成方法及系统。

背景技术：

1、随着自动驾驶技术发展，其在真实世界的大规模部署面临着安全性评估挑战，当前工业界普遍采用重现现实世界场景日志的方法来获取边缘场景，但这种依赖海量数据回放的方式在实际应用中存在显著弊端。

2、首先，现实世界的场景数据极其庞大且复杂，涉及多变的道路条件、天气状况及交通参与者行为模式，导致厂商需耗费大量人力物力进行数据收集与存储，增加了成本也延长了研发周期；由于交通事故等安全关键场景在日常驾驶中极为稀有，单纯依赖现实数据难以全面覆盖所有潜在的危险场景，致使自动驾驶系统在面对未曾遇过的极端工况时往往表现不佳，且各厂商间的数据标准不统一也使得系统性能评估缺乏公正性与可比性。

3、其次，为解决上述数据覆盖不足问题而兴起的场景生成技术，无论是数据驱动生成还是对抗生成，目前仍存在技术局限。数据驱动方法生成的场景往往缺乏多样性和代表性，难以覆盖复杂的危险情况。而现有的对抗生成方法，虽然试图通过引入对抗性智能体与自动驾驶系统博弈来发现系统漏洞，但多集中在针对感知算法的静态物体外形对抗，或针对路径规划的简单轨迹扰动。这些研究往往只关注如何制造碰撞结果，生成的攻击轨迹常常违反物理规律或人类行为习惯，导致交通参与者的行为严重偏离现实世界的逻辑与特性，这种缺乏真实感与可解释性的“为了碰撞而碰撞”的场景，难以真实反映系统在复杂人类交通环境中的应对能力。

4、最后，当前的仿真测试平台缺乏一套系统化的定量评价指标体系。现有评估大多关注是否发生碰撞这一单一结果，对于自动驾驶系统在规避风险过程中的舒适度、风险程度以及行驶效率等关键维度，尚缺乏统一的量化计算标准，这使得研究人员难以准确衡量和横向对比不同自动驾驶算法在边缘场景下的性能优劣。

5、因此，亟需一种能够生成既具备高风险挑战性、又符合现实智能体行为逻辑的边缘场景生成方法，并配合多维度的定量评价体系，以实现对自动驾驶系统安全性的高效、真实且可量化的评估。

技术实现思路

1、本发明提出一种基于智能体自主对抗行为的自动驾驶边缘场景生成方法及系统，其利用概率图模型与强化学习对抗策略，自主生成具有高风险、高测试价值的边缘场景，并对自动驾驶系统进行定量评价的方法。

2、为实现上述目的，本发明的技术方案包括以下内容。

3、一种基于智能体自主对抗行为的自动驾驶边缘场景生成方法，所述方法包括：

4、根据交通场景中的交通参与者与待测试自动驾驶系统的状态，生成场景联合概率分布，并从该场景联合概率分布抽样，获取对抗生成模型的初始参数分布；其中，所述对抗生成模型用于生成交通参与者的轨迹；

5、设计奖励函数，该奖励函数的奖励值与场景的碰撞风险正相关；

6、基于该奖励函数对该对抗生成模型进行参数分布优化，并基于优化后的对抗生成模型，生成待测试自动驾驶系统的测试场景。

7、进一步地，根据交通场景中的交通参与者与待测试自动驾驶系统的状态，生成场景联合概率分布，包括：

8、将交通参与者分解为若干要素，所述要素包括起始位置、最终目标和个体特征；

9、基于要素之间以及要素与待测试自动驾驶系统的状态之间的逻辑关系，生成场景联合概率分布。

10、进一步地，所述奖励值；其中，为风险度量，为待测试自动驾驶系统，为交通参与者，为碰撞奖励，为合理性惩罚项，为阈值。

11、进一步地，基于该奖励函数对该对抗生成模型进行参数分布优化，包括：

12、根据对抗生成模型的当前参数分布，生成交通参与者智能体的参数；

13、将交通参与者智能体的参数部署到仿真平台中；

14、将待测试自动驾驶系统接入仿真平台，并与交通参与者智能体进行交互，得到交互结果；

15、根据交互结果与奖励函数，计算奖励值；

16、依据奖励值对该对抗生成模型的当前参数分布进行更新；

17、基于更新后的参数分布，重新执行所述根据对抗生成模型的当前参数分布，生成交通参与者智能体的参数的步骤。

18、进一步地，基于优化后的对抗生成模型，生成待测试自动驾驶系统的测试场景之后，所述方法还包括：

19、根据车辆的加速度舒适度与横摆角速度舒适度，得到待测试自动驾驶系统的舒适度评估指标；

20、基于车辆与最近障碍物的最小距离，计算待测试自动驾驶系统的风险程度评估指标；

21、根据车辆的平均速度和目标速度偏差，得到行驶速度评估指标；

22、综合舒适度评估指标、风险程度评估指标与行驶速度评估指标，得到待测试自动驾驶系统的评估结果。

23、一种基于智能体自主对抗行为的自动驾驶边缘场景生成系统，所述系统包括：

24、模型构建模块，用于根据交通场景中的交通参与者与待测试自动驾驶系统的状态，生成场景联合概率分布，并从该场景联合概率分布抽样，获取对抗生成模型的初始参数分布；其中，所述对抗生成模型用于生成交通参与者的轨迹；

25、奖励设计模块，用于设计奖励函数，该奖励函数的奖励值与场景的碰撞风险正相关；

26、场景生成模块，用于基于该奖励函数对该对抗生成模型进行参数分布优化，并基于优化后的对抗生成模型，生成待测试自动驾驶系统的测试场景。

27、一种电子设备，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现上述任一项所述的基于智能体自主对抗行为的自动驾驶边缘场景生成方法。

28、一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述任一项所述的基于智能体自主对抗行为的自动驾驶边缘场景生成方法。

29、一种计算机程序产品，其特征在于，当所述计算机程序产品在计算机设备上运行时，使得计算机设备执行上述任一项所述的基于智能体自主对抗行为的自动驾驶边缘场景生成方法。

30、与现有技术相比，本发明通过对抗博弈机制，能够自动搜索并生成现实中罕见但在测试中至关重要的高风险边缘场景，大幅减少了对海量现实数据的依赖；引入概率图模型及合理性惩罚项，确保生成的智能体行为符合现实逻辑和行为特性，避免了传统对抗生成中轨迹杂乱无章的问题；提出了涵盖舒适度、风险及效率的多维定量指标，解决了当前仿真测试缺乏统一评价标准的问题，能更全面地衡量不同自动驾驶系统的优劣。

1.一种基于智能体自主对抗行为的自动驾驶边缘场景生成方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，根据交通场景中的交通参与者与待测试自动驾驶系统的状态，生成场景联合概率分布，包括：

3.根据权利要求1所述的方法，其特征在于，所述奖励值；其中，为风险度量，为待测试自动驾驶系统，为交通参与者，为碰撞奖励，为合理性惩罚项，为阈值。

4.根据权利要求1所述的方法，其特征在于，基于该奖励函数对该对抗生成模型进行参数分布优化，包括：

5.根据权利要求1至4任一项所述的方法，其特征在于，基于优化后的对抗生成模型，生成待测试自动驾驶系统的测试场景之后，所述方法还包括：

6.一种基于智能体自主对抗行为的自动驾驶边缘场景生成系统，其特征在于，所述系统包括：

7.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如权利要求1-5任一项所述的基于智能体自主对抗行为的自动驾驶边缘场景生成方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-5任一项所述的基于智能体自主对抗行为的自动驾驶边缘场景生成方法。

9.一种计算机程序产品，其特征在于，当所述计算机程序产品在计算机设备上运行时，使得计算机设备执行如权利要求1-5任一项所述的基于智能体自主对抗行为的自动驾驶边缘场景生成方法。