NeuroNCAP: Photorealistic Closed-loop Safety Testing for Autonomous Driving

本文介绍了一个基于NeRF的多功能模拟器，用于测试自动驾驶软件系统，重点关注传感器真实的闭环评估和创建安全关键场景。该模拟器从实际驾驶传感器数据的序列中学习，并能够重新配置和呈现新的、未见过的场景。在本文中，我们使用我们的模拟器测试了欧洲新车评估计划（Euro NCAP）启发的安全关键场景下自动驾驶模型的响应。我们的评估表明，虽然最先进的端到端规划器在开环设置下在正常驾驶场景中表现出色，但在闭环设置下导航我们的安全关键场景时存在严重缺陷。这凸显了端到端规划器在安全性和实际可用性方面需要进一步改进。通过将我们的模拟器和场景作为易于运行的评估套件公开发布，我们邀请研究社区在受控、高度可配置和具有挑战性的传感器真实环境中探索、完善和验证他们的自动驾驶模型。代码和说明可在https://github.com/wljungbergh/NeuroNCAP找到。

论文旨在解决自动驾驶软件系统的安全性问题，特别是在面对类似欧洲新车评估计划（Euro NCAP）中的安全关键场景时的问题。

论文提出了一种基于NeRF的模拟器，可以从真实世界的驾驶传感器数据中学习，并能够重新配置和渲染新的场景。使用该模拟器测试了端到端规划器在面对安全关键场景时的表现，并发现其在闭环设置下存在关键缺陷。

论文提供了一个可配置且具有挑战性的传感器逼真环境，可以用于探索、完善和验证自动驾驶模型。实验设计了安全关键场景测试，公开了模拟器和场景的代码和指南，方便其他研究人员使用。

近期的相关研究包括使用模拟器测试自动驾驶模型的工作，如CARLA和AirSim。