核心概念
自動車の安全性評価における適応的テスト環境生成の重要性と効率性を強化する手法を提案する。
摘要
自動車の安全性評価は重要であり、従来の方法では高次元シナリオへの適用が限界があった。本研究では、複数の代理モデルを組み合わせて評価効率を向上させる適応的テスト環境を開発し、密な強化学習手法を提案している。この手法は高次元追い越しシナリオで有効であり、NADEやNDEよりも優れた評価効率を実現している。
統計資料
高次元追い越しシナリオにおける試験結果: 1400次元以上
NADEとNDEにおけるクラッシュ率推定: NDE - 1.23 × 10^8, NADE - 4.46 × 10^6 (28)
AdaTEにおけるクラッシュ率推定: AV-I - 0.95, AV-II - 0.82, AV-III - 0.65
引述
"NADE (SM-III)はNDEと比べて収束しなかった"
"AdaTEはNADEよりも少ないテスト回数で同じクラッシュ率推定を達成した"