May, 2024

从自然语言生成概率场景程序

PDF
TL;DR利用自然语言生成场景程序的 AI 系统 ScenarioNL，通过 Scenic 概率编程语言，能够清晰而简洁地表示关于 CPS 行为、属性和相互作用的不确定性和变化，并能生成语法正确和语义有意义的代码，基于加利福尼亚州过去五年的公开可用的自动驾驶车辆事故报告进行了系统评估。
发现论文，激发创造
  • Scenic: 用于场景规格和数据生成的语言

    介绍了一种基于概率编程语言的开发和分析方法，特别用于基于机器学习的物联网系统，提出了一种基于 Scenic 的分布式场景和环境模型的领域特定语言，并在卷积神经网络中进行了应用。

    Oct, 2020

  • Scenic: 一种情景描述和场景生成语言

    本文提出了一种新的概率编程语言，用于设计和分析感知系统，特别是基于机器学习的系统，在处理罕见事件、测试性能和调试故障方面能够发挥作用；我们将其称为 Scenic，并将其应用于自动驾驶汽车和机器人等系统中，以描述场景。

    Sep, 2018

  • 基于场景的自动驾驶行为预测模型测试平台

    本文介绍了一种基于仿真的测试平台，支持用名为 Scenic 的概率编程语言进行情景建模，指定具有部分优先级排序的多目标评估指标，验证所提供的指标，以及进行可伸缩的测试。该平台包含 25 个 Scenic 程序库，并测试了行为预测模型并寻找失败情景。

    Oct, 2021

  • 基于大语言模型的对话式生成自动驾驶仿真场景

    本文描述了一个支持扩展多模态交互的系统，通过使用大型语言模型 (LLMs) 将用户的英语语句映射到领域特定的代码，我们探索了 LLMs 在上下文敏感性方面捕捉演算发言者意图的程度。

    Oct, 2023

  • Scenic4RL：强化学习环境的编程建模与生成

    使用 SCENIC 形式化场景语言对 Google Research Football 模拟器进行界面生成场景，以便在实时策略环境中训练强化学习代理并测试其概括能力。研究人员可以利用 SCENIC 将其领域知识整合到训练过程中以使其更快和更直观。

    Jun, 2021

  • 语言条件下的交通生成

    该研究论文介绍了一种名为 LCTGen 的模型，它结合了大型语言模型和基于变压器的解码器架构，利用语言作为动态交通场景生成的监督来源，其在无条件和条件下的交通场景生成方面表现优于之前的研究，并且在现实感和保真度方面更好。

    Jul, 2023

  • ChatScene：用于自动驾驶车辆的基于知识的安全关键场景生成

    ChatScene 使用大型语言模型通过文本指令生成安全关键场景，将其转化为特定代码以实现车辆预测和控制，并验证了其在提高自动驾驶车辆安全性方面的有效性。

    May, 2024

  • 通过语言模型整合和关键场景生成增强自主车辆训练

    本论文介绍了一种名为 CRITICAL 的新型闭环自主车辆训练和测试框架，通过集成真实世界的交通动态、驾驶行为分析、替代性安全措施和一个可选的大型语言模型（LLM）组件，该框架能够生成各种各样的场景，重点关注强化学习（RL）代理在关键驾驶情况下的学习和性能差距。据证明，在数据生成与训练过程之间建立闭环反馈可以提高训练的学习速率，提升系统整体性能，增强安全弹性。我们的评估使用了近端策略优化（PPO）和 HighwayEnv 模拟环境进行，证明了关键案例生成和 LLM 分析的集成可以显著提高性能，表明 CRITICAL 有潜力提高自主车辆系统的鲁棒性，简化关键场景的生成，从而加快自主车辆代理的开发，扩展强化学习训练的范围，并改善自主车辆安全的验证工作。

    Apr, 2024

  • 可扩展神经概率答案集规划

    提出了 SLASH 概率编程语言，通过神经概率谓词和逻辑编程实现了可管理的概率推理，可以进行各种类型的概率查询，并在多个任务上取得了良好的表现。

    Jun, 2023

  • 用情景程序查询标记时序数据

    确保自动驾驶车辆在道路上的安全性，模拟测试已成为道路测试的重要补充，其中对于验证 AV 行为是否与预期结果一致的需求与日俱增。本研究提出一种验证模拟时间序列故障与真实世界时间序列传感器数据一致性的方法，通过从真实世界时间序列数据集中检索故障场景实例，并定义了匹配的形式。实验证明了算法在具有挑战性和不常见的时间序列场景上的精确性和可扩展性，并提供了可在各种 CPS 中使用的查询算法的完整系统实现。

    Jun, 2024