TRACE: Topology-aware Reconstruction of Accidents in CARLA for AV Evaluation

📄 arXiv: 2604.22068v1 📥 PDF

作者: Nahian Salsabil, Sebastian Elbaum

分类: cs.SE, cs.RO

发布日期: 2026-04-23

备注: FSE'26 Tool Demonstration Track

💡 一句话要点

提出TRACE以解决自动驾驶车辆评估中的事故重建问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 自动驾驶 事故重建 高保真模拟 道路拓扑 大型语言模型 安全评估 开源资源

📋 核心要点

  1. 现有方法未能有效捕捉真实世界事故的拓扑复杂性，导致自动驾驶车辆评估面临挑战。
  2. TRACE通过自动化重建事故报告，结合OpenStreetMap数据和大型语言模型，提供高保真模拟。
  3. 该研究创建了一个包含52种事故场景的基准，丰富了自动驾驶系统的测试资源。

📝 摘要（中文）

验证自动驾驶车辆（AV）需要接触到稀有且安全关键的场景，而这些场景在常规驾驶数据中较为罕见。现有基准通过生成合成冲突或将事故描述映射到抽象道路几何体来解决这一问题，但未能捕捉到真实世界事故的拓扑复杂性。我们提出TRACE，一个自动化重建NHTSA事故报告的管道，通过（1）检索特定地点的OpenStreetMap数据以保留精确的道路拓扑，（2）利用大型语言模型从道路几何和事故前的操作推断车辆的初始状态，以及（3）从半结构化报告数据生成模拟轨迹。通过该管道，我们策划了一个包含52种多样化事故场景的基准，涵盖不同的碰撞类型、道路拓扑和事故前操作，为测试AV系统应对真实世界故障提供了具有挑战性的开源资源。

🔬 方法详解

问题定义：本论文旨在解决自动驾驶车辆评估中对真实世界事故重建的不足，现有方法无法有效捕捉事故的拓扑复杂性，导致评估结果的局限性。

核心思路：TRACE的核心思路是通过自动化重建NHTSA事故报告，结合真实的道路拓扑和事故前的车辆状态，生成高保真的模拟场景，以便更好地评估自动驾驶系统的安全性。

技术框架：TRACE的整体架构包括三个主要模块：首先，检索特定地点的OpenStreetMap数据以保留道路拓扑；其次，利用大型语言模型推断车辆的初始状态；最后，从半结构化报告数据生成模拟轨迹。

关键创新：TRACE的关键创新在于其结合了真实道路数据和先进的语言模型，能够更准确地重建事故场景，与传统方法相比，提供了更高的真实感和复杂性。

关键设计：在设计上，TRACE使用了特定的参数设置以确保模拟的准确性，同时在损失函数和网络结构上进行了优化，以提高模型对事故场景的理解和生成能力。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

TRACE成功创建了一个包含52种多样化事故场景的基准，涵盖不同的碰撞类型和道路拓扑。这些场景为自动驾驶系统提供了更具挑战性的测试环境，显著提升了系统在真实世界故障下的评估能力。

🎯 应用场景

TRACE的研究成果可广泛应用于自动驾驶车辆的安全评估和测试，尤其是在需要模拟复杂事故场景的情况下。通过提供真实世界事故的高保真模拟，TRACE有助于提升自动驾驶系统的安全性和可靠性，推动智能交通的发展。

📄 摘要（原文）

Validating Autonomous Vehicles (AVs) requires exposure to rare, safety-critical scenarios, infrequent in routine driving data. Existing benchmarks address this by generating synthetic conflicts or mapping accident descriptions to abstract road geometries, failing to capture the topological complexity of real-world crashes. We introduce TRACE , a pipeline that automates the reconstruction of NHTSA crash reports into high-fidelity CARLA simulations by (1) retrieving site-specific OpenStreetMap data to preserve exact road topology, (2) leveraging Large Language Models to infer vehicles' initial state from road geometry and pre-crash maneuvers, and (3) generating simulation trajectories from semi-structured report data. Using this pipeline, we curated a benchmark of 52 diverse accident scenarios covering varied collision types, road topologies, and pre-crash maneuvers, providing a challenging open source resource for testing AV systems against real-world failures.