在验证自动驾驶系统时，需要多样化且符合规范的测试场景。当前的模拟测试中，场景被定义为可执行脚本，但从法规描述自动生成这些脚本仍是一个未解决的挑战，现有方法面临根本性的权衡。
检索组装方法虽然实现了合理的编译率，但缺乏可扩展性，而基于检索的完整脚本生成则面临较低的编译成功率。
我们提出了Chat2Scenic，这是第一个迭代的检索增强框架，用于生成领域特定语言（DSL）中的场景脚本。Chat2Scenic提供了一个聊天机器人界面，支持交互式场景优化，并集成了检索增强生成（RAG），使场景生成基于法规知识和DSL语法。
此外，我们还提出了一个包含123个来自不同法规的场景的开放基准，包括NHTSA和联合国车辆法规等来源。
通过与最先进的大型语言模型（LLMs）的广泛评估，Chat2Scenic实现了76.42%的编译成功率（CSR）和58.17%的框架准确率（FA），优于现有方法（检索组装的CSR为30.08%，FA为11.03%；检索完整脚本生成的CSR为16.26%，FA为10.86%）。
为了促进未来的研究，我们将代码以开源形式发布在GitHub。
博主点评： Chat2Scenic通过结合检索增强生成技术，显著提高了自动驾驶场景脚本的生成效率与准确性，为行业提供了重要的工具和基准，有助于推动自动驾驶技术的合规性和可靠性。其开源代码也为后续研究提供了良好的基础，值得关注和深入探讨。