一种用于自动驾驶车辆基于场景的安全性验证与可解释性的综合框架

《ACM Journal on Autonomous Transportation Systems》：An Integrated Framework for Scenario-Based Safety Validation and Explainability of Autonomous Vehicles

提出了一种基于场景的自动驾驶黑盒系统测试框架，通过形式化场景描述和模块化测试模板实现功能与具象抽象层测试，结合创新数据模型和可解释AI组件验证方案有效性，提升复杂系统行为评估的精度与效率。

　　

摘要

本文提出了一种基于场景的新型测试框架，用于评估黑盒自动驾驶车辆（AVs）在多种交通场景下的表现。该框架旨在弥合正式场景描述、安全验证领域的仿真集成以及模块化可解释性技术之间的差距。所提出的框架包括一种正式的场景规范方法以及一个测试模板，该模板能够在功能和具体抽象层面上利用场景描述。测试模板采用这些自动驾驶场景描述策略的术语进行模块化设计；随后，识别出测试过程中的瓶颈并提出了相应的解决方案，并通过实验进行了验证。为了优化生成的场景数据的利用，我们还提出了一种创新的数据模型和可解释人工智能（XAI）组件，通过一个详细的自动驾驶案例研究展示了它们的实用性。这种综合方法有望在评估和理解复杂系统行为方面取得重大进展，从而为更安全、更可靠的自动驾驶车辆及其他各种应用铺平道路。此外，从场景解释组件中获得的见解可以用来改进场景选择过程的准确性，进而可能提升性能和效率。