EvoDrive：通过自我改进的 LLM 代理实现安全关键自动驾驶的帕累托进化

生成安全关键场景对验证自动驾驶系统至关重要，需平衡对抗性与真实性。现有方法依赖手工启发式，局限明显。本文提出 EvoDrive，首个基于 LLM 的多目标场景生成自动化代理进化框架。该框架采用模拟器锚定的演员 - 评论家架构，记忆驱动演员迭代优化生成器，评论家过滤不现实候选，自我演化世界评估器优化仿真预算。此外，维护帕累托档案以保留多样性并指导未来进化。实验表明其显著扩展了帕累托前沿并生成了有价值的训练场景。