2024年6月5日，TOPS第144期组会于通达馆A102线下举行。本次组会由22级硕士生杨宇豪、郑文涛和赵东虎带来自己的研究进展汇报，分别与大家讨论交流《面向自动驾驶测试的数据驱动交通仿真研究》、《面向自动驾驶安全性测评的高维高覆盖场景靶向生成方法研究》和《人机混驾环境下基于EHMI的AV增强交互策略研究》。课题组全体老师同学出席了本次组会。

首先由郑文涛同学带来面向自动驾驶安全性测评的高维高覆盖场景靶向生成方法研究汇报。主要从研究背景、研究现状和研究内容等方面进行汇报。在背景阐述部分，郑文涛同学解释了全面的安全性测试的必要性，而构建高覆盖度场景库是智能汽车安全性验证的核心，但存量测试场景不足已成为影响企业数据闭环的痛点问题。在研究现状方面，总体而言，目前仍存在高维问题、危险类别多样、场景的关键性差等挑战，即复杂场景交通交互行为解析、高覆盖场景生成、高测试需求场景（关键场景）靶向生成等问题。由此引出了研究内容。方案一包括生成模型学习、定制化训练和分布校正三个板块。提出VAE+GAN联合泛化框架，其中VAE用于保证重建能力，E-WGAN用于提高保真度，D-WGAN用于实现定向泛化，结果显示方案一在指向性方面结果较好，但在功能检查性和轨迹可行性上有待优化。方案二则通过异构数据融合、多模态场景生成和自适应采样三个步骤解决上述三个挑战。方案二采用Encoder编码模块、多模态生成模块和自适应采样器生成模块多模态场景，并对合成场景保真度、关键性和多样性分别进行评价。

汇报时刻

汇报内容

随后，杨宇豪同学带来面向自动驾驶测试的数据驱动交通仿真相关研究汇报。杨宇豪同学的汇报分为研究背景、研究现状、研究内容以及研究现状四个部分。在研究背景部分，杨宇豪同学强调了科学的测试与评价是推动自动驾驶技术进步的核心保障，但目前单纯依靠实车路测很难完成自动驾驶相关的安全性验证，因此期望对仿真测试方法进行改进，生成更具拟人性和交互性的背景交通流。在研究现状部分，目前机理驱动模型受模型框架约束，难以生成具备拟人性的交互轨迹，而数据驱动方法更适于异质复杂场景交通仿真，但目前研究仍存在交互行为不真实、测试场景难迁移、测试场景不可控和评价内容不全面等问题。对此，杨宇豪同学提出一套完整的闭环方法，包括构建具备交互性和拟人性的驾驶行为模型、调整预测轨迹以满足可控性与可行性要求，验证模型仿真真实性与测试有效性。在轨迹预测阶段采用Transformer以处理长时依赖关系、提高并行计算效率，在轨迹调整阶段基于预期行驶终点添加轨迹引导，并将终点信息融入模型结构以提升轨迹可控性，通过轨迹投影和叠加斥力场提升轨迹可行性，最终应用数据驱动模型效果评价方法进行模型验证。

汇报时刻

汇报内容

接着，赵东虎同学带来人机混驾环境下基于EHMI的AV增强交互策略相关研究汇报。赵东虎同学的汇报分为研究背景、研究内容与研究进展、下一步研究计划三个部分。在研究背景部分，赵东虎同学阐述了能够明确表达自身意图，增强与HV的交互，是AV当下急需解决的问题。目前AV的意图表达能力的增强主要通过显示交流和隐式交流两种方式，基于EHMI的增强交互能提高AV的信任度，但仍需进一步研究能够优化EHMI显示需求与显示时机的增强交互策略。因此，赵东虎同学提出一种基于自适应EHMI的AV增强交互策略，以实现AV显式EHMI与隐式轨迹的协同表达。对此，首先基于动态贝叶斯网络的驾驶人意图识别，然后是基于深度强化学习的EHMI显示时机优化。在此之后，进行AV-HV驾驶模拟实验平台的搭建，进行基于“人在环路”驾驶模拟实验的策略验证、实验设计和结果评价，并用真车实验进行有效性验证。最后，在下一步研究计划里，赵东虎同学强调了会对驾驶人意图识别模型效果进行验证、优化强化学习环境并进行“人在环路”策略验证。

汇报时刻

汇报内容

在讨论环节，课题组各位老师针对三位同学的汇报内容提出了宝贵的建议。孙剑老师指出，在场景生成领域，场景价值评价是一个重要问题，创新性和实用性都应兼备，方法论还需有所突破。倪颖老师和杭鹏老师对毕业论文架构设计、工作计划的细化和与课题组其他项目、同门的资源整合提出了建议。孙杰老师和梁浩阳老师对技术路线和方法论的具体细节进行了进一步讨论并提出相应建议。