失效边界画像：闭环评测新方法

Milan Bulat、Gino Ardelean、Ellington Kirby 提出“失效边界画像”评测方法，用于闭环评估驾驶与机器人导航智能体。作者指出，CARLA 闭环驾驶基准以路线完成度乘以违规惩罚得到驾驶分数，无法区分在障碍前停下的智能体与强行通过的智能体：在两辆停放车辆封闭的走廊中，带接触通过的智能体在受阻宽度上平均得分为52.2，停下的智能体平均在37.8至40.6之间。 该方法让每个场景族只改变一个可测量因素（如走廊宽度或对向车流时间间隔），并依据测量把每个变体判定为智能体应通过或应停下。作者在7个 CARLA 场景族上评测了7个驾驶智能体，并将该方法原样用于 Isaac Sim 中的一台仓库机器人。作者称，所测导航策略在三个场景族中只有一个会在受阻间隙前停下，两个微调版本能更干净地通过更多间隙，但完全不再停下。评测区间考虑了仿真器运行间的波动。 上述结果均为仿真环境中的作者自测，尚未见独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。