Requirement based generation and validation of AI created scenarios for AV training and assessment (GENERATE)

Forskningsprojekt, 2027 – 2028

Automatiserade fordon (AV:er) är starkt beroende av virtuell testning, vilket kräver stora mängder realistiska körscenarier som täcker både vardagliga situationer och sällsynta, säkerhetskritiska händelser. Nya framsteg inom AI, stora språkmodeller (LLM:er) och "vision"-språkmodeller (VLM:er) har påskyndat förståelsen av trafiksituationer och genereringen av syntetiska scenarier, men viktiga luckor kvarstår. Kraven för scenariogenerering är inte väl definierade, AI-baserade metoder för att skapa meningsfulla scenariovarianter är fortfarande begränsade, och robusta metoder för att verifiera om AI-genererade scenarier speglar verkligt beteende saknas i stor utsträckning. Dessa brister medför en risk att AV:er tränas och utvärderas på orealistiska eller otillräckligt breda scenariomängder, vilket kan påverka både säkerheten och användarnas acceptans.

Projektet syftar till att stärka AI- och LLM-baserad scenariogenerering för utveckling av automatiserade fordon inom tre områden. WP1 kommer att utveckla metoder för att identifiera krav på scenariogenerering från lagstiftning, vetenskaplig litteratur, rapporter och data, följt av validering av experter. WP2 kommer att bygga processkedjor som omvandlar textbaserade olycksbeskrivningar till tredimensionella rörelsescenarier samt genererar LLM-baserade scenariovarianter för att bredda täckningen, inklusive gränsfall och ovanliga situationer. WP3 kommer att etablera metoder för att bedöma realism och representativitet hos AI-genererade scenarier genom att integrera kraven från WP1 och jämföra både projektutvecklade och kommersiella verktyg för scenariogenerering.

Förväntade resultat omfattar ett konceptuellt ramverk för kravhantering, en prototyp för AI-baserad generering av scenariovarianter, metoder för verifiering och validering (V&V) samt en övergripande process som kopplar samman krav, generering och validering från början till slut. Med industripartner involverade förväntas resultaten snabbt kunna tas i bruk. Projektets utfall kommer att spridas genom konferensbidrag, en möjlig vetenskaplig tidskriftsartikel och fortsatt samverkan, vilket stödjer fordonsindustrin i utvecklingen av tillförlitlig AI-baserad scenariogenerering för träning av automatiserade fordon och säkerhetsutvärdering.