自动驾驶测试新突破：Chat2Scenic迭代式RAG框架高效生成合规场景脚本

在自动驾驶系统的仿真测试中，如何从法规描述自动生成可执行的测试场景脚本一直是个技术难题。传统方法面临两难选择：检索组装方法虽然编译率尚可但缺乏扩展性，而基于检索的完整脚本生成则编译成功率偏低。

近日，慕尼黑工业大学研究团队在arXiv上发布了Chat2Scenic框架，这是首个采用迭代式检索增强生成技术来生成领域特定语言场景脚本的解决方案。该框架提供聊天机器人界面，支持研究人员交互式地细化和完善场景描述，同时通过RAG技术将场景生成过程锚定在法规知识和DSL语法基础上。

研究团队还构建了一个包含123个场景的开放基准测试集，涵盖美国国家公路交通安全管理局、联合国车辆法规等多个来源的监管要求。实验显示，在使用最先进大语言模型的情况下，Chat2Scenic实现了76.42%的编译成功率和58.17%的框架准确率，显著优于检索组装方法和完整脚本生成方法。

该框架已开源发布，代码仓库地址为https://github.com/TUM-AVS/chat2scenic，为自动驾驶测试场景生成领域的研究提供了新的工具和基准。