OSC2Runner: OpenSCENARIO 2.x Compliant High-Fidelity AV Simulation in CARLA
作者: Thoshitha Gamage, Lasanthi Gamage
分类: cs.RO
发布日期: 2026-06-25
备注: Accepted at 26th IEEE International Conference on Software Quality, Reliability, and Security (QRS 2026)
💡 一句话要点
提出OSC2Runner以解决OpenSCENARIO 2.x执行支持问题
🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)
关键词: 场景驱动测试 OpenSCENARIO CARLA 自动驾驶 高保真仿真 确定性执行 编译管道
📋 核心要点
- 现有的场景驱动测试方法依赖于过时的OpenSCENARIO 1.x标准，缺乏对新标准v2.x的支持，导致执行不准确。
- OSC2Runner通过建立一个编排框架，原生映射OpenSCENARIO v2.x DSL到CARLA，解决了执行差距问题。
- 实验证明该框架在高并发对抗场景中实现了逐tick确定性和精确的空间触发评估，显著提升了测试的可靠性。
📝 摘要（中文）
场景驱动测试主要依赖于传统的ASAM OpenSCENARIO 1.x XML标准，因为现有的连续仿真框架缺乏对新成熟的v2.x领域特定语言（DSL）的原生执行支持。将传统解释器适配为评估v2.x逻辑会引入时空漂移、异步事件延迟和人工运动卡顿。为了解决这一执行差距，OSC2Runner引入了第一个能够原生映射OpenSCENARIO v2.x DSL到CARLA的编排框架。该框架通过多次传输器架构将场景翻译形式化为编译管道，直接将类型安全的抽象语法树合成到动态确定性行为树（py_trees），并原生映射到CARLA的原子API。实证验证显示出逐tick确定性、精确的空间触发评估和100.0毫秒的跨参与者黑板同步，运动学分析证明严格遵循连续环境边界。该架构将场景驱动测试从近似行为解释转变为数学严谨的执行，建立了协同仿真、硬件在环测试和自动化LLM驱动生成管道所需的确定性后端。
🔬 方法详解
问题定义：论文要解决的问题是现有的场景驱动测试方法无法有效支持OpenSCENARIO 2.x DSL的执行，导致测试结果不准确，存在时空漂移和异步延迟等问题。
核心思路：论文提出的核心思路是通过OSC2Runner框架，利用多次传输器架构将OpenSCENARIO v2.x DSL原生映射到CARLA，确保测试的确定性和准确性。
技术框架：OSC2Runner的整体架构包括场景翻译的编译管道，主要模块包括类型安全的抽象语法树生成和动态确定性行为树的合成，最终映射到CARLA的原子API。
关键创新：最重要的技术创新点在于将场景翻译形式化为编译管道，避免了传统方法中的静态轨迹播放问题，实现了更高的执行精度和可靠性。
关键设计：在设计中，采用了多次传输器架构，确保了类型安全的抽象语法树的生成，并通过动态行为树实现了与CARLA的高效交互。
🖼️ 关键图片
📊 实验亮点
实验结果显示，OSC2Runner在高并发对抗场景中实现了逐tick确定性，空间触发评估的准确性达到了100.0毫秒的跨参与者黑板同步，证明了其在场景驱动测试中的优越性能。
🎯 应用场景
该研究的潜在应用领域包括自动驾驶汽车的场景驱动测试、硬件在环测试以及自动化生成测试场景的管道。通过提供高保真的仿真环境，OSC2Runner能够显著提升自动驾驶系统的测试效率和可靠性，推动相关技术的进步与应用。
📄 摘要（原文）
Scenario-Based Testing predominantly relies on the legacy ASAM OpenSCENARIO 1.x XML standard because existing continuous simulation frameworks lack native execution support for the recently matured v2.x Domain-Specific Language (DSL). Adapting legacy interpreters to evaluate v2.x logic introduces spatiotemporal drift, asynchronous event latencies, and artificial kinematic snapping. Addressing this execution gap, OSC2Runner introduces the first orchestration framework capable of natively mapping the OpenSCENARIO v2.x DSL to CARLA. The framework achieves this by formalizing scenario translation as a compilation pipeline through a multi-pass transpiler architecture. Bypassing static trajectory playback, the architecture synthesizes type-safe Abstract Syntax Trees directly into dynamic deterministic behavior trees (py_trees) natively mapped to CARLA's atomic APIs. Empirical validation in highly concurrent adversarial case studies demonstrates tick-by-tick determinism, exact spatial trigger evaluation, and 100.0 ms cross-actor blackboard synchronization. Kinematic analysis proves the strict adherence to continuous environmental boundaries. This architecture transitions Scenario-Based Testing from approximate behavioral interpretation to mathematically rigorous execution, establishing the deterministic backend required for co-simulation, hardware-in-the-loop testing, and automated LLM-driven generation pipelines.