SEAL: Towards Safe Autonomous Driving via Skill-Enabled Adversary Learning for Closed-Loop Scenario Generation
Created by
Haebom
저자
Benjamin Stoler, Ingrid Navarro, Jonathan Francis, Jean Oh
개요
자율 주행 시스템의 검증 및 유효성 검사는 실세계에서의 사용이 증가함에 따라 중요성이 커지고 있습니다. 안전에 중요한 시나리오 생성은 폐쇄 루프 훈련을 통해 자율 주행 정책을 강화하는 주요 접근 방식입니다. 그러나 기존의 시나리오 생성 방법은 단순한 목표에 의존하여 과도하게 공격적이거나 비반응적인 적대적 행동을 초래합니다. 다양하면서도 현실적인 적대적 시나리오를 생성하기 위해, 본 논문에서는 학습된 목적 함수와 적대적이고 사람과 같은 기술을 활용하는 시나리오 섭동 접근 방식인 SEAL을 제안합니다. SEAL로 섭동된 시나리오는 기존 최고 성능 기준보다 현실적이며, 실제, 분포 내 및 분포 외 시나리오에서 자아(ego) 작업 성공률을 20% 이상 향상시킵니다. 향후 연구를 촉진하기 위해 코드와 도구를 공개합니다: https://github.com/cmubig/SEAL