Scene-Extrapolation: Generating Interactive Traffic Scenarios

验证高度自动化驾驶功能可能具有挑战性，需要识别相关的测试场景。基于场景的测试可能在验证这些系统中发挥重要作用，主要在模拟中进行。在我们的方法中，我们使用交通场景作为起点（种子场景），以解决各种高度自动化驾驶功能的个性化问题，并避免预定义的测试交通场景所带来的问题。不同的高度自主驾驶功能或它们的不同迭代可能在相同的操作条件下显示不同的行为。为了对种子场景做出可推广的陈述，我们基于不同的行为模型模拟可能的结果。我们利用轻量级的模拟环境，并为场景中的各个参与者提供基于规则和机器学习的行为模型。我们使用各种关键度量分析结果场景。结果关键度量的密度分布使我们能够深入地了解特定场景的重要性，考虑到各种可能性。

论文旨在解决高度自动驾驶功能的验证问题，提出一种基于场景的测试方法，避免预定义测试场景带来的问题。

论文提出使用交通场景作为起点，通过模拟不同行为模型的可能结果来分析场景的关键性。

论文使用基于规则和机器学习的行为模型，利用轻量级模拟环境进行实验，通过密度分布分析场景的关键性，并得出结论。论文的方法具有一定的创新性。

在这个领域中，还有一些相关的研究，例如《如何评估自动驾驶汽车的安全性：一种基于场景的方法》、《面向自动驾驶汽车的测试用例生成方法》等。