การทดสอบความปลอดภัยของรถยนต์ไร้คนขับจำเป็นต้องมีสถานการณ์ที่เสี่ยงสูงและหลากหลาย แต่วิธีการสร้างแบบเดิมมักให้ผลลัพธ์ที่ระบุสาเหตุการชนได้ยาก งานวิจัยนี้จึงเสนอ KG-ASG ซึ่งใช้ 'Collision Expert' มาวิเคราะห์และกำหนดว่าใครเป็นผู้ก่อเหตุหลัก (Primary Adversary) และยานพาหนะรอบข้างมีบทบาทอย่างไรในการสร้างความเสี่ยง
การใช้คลังความรู้เป็นแนวทางช่วยให้สถานการณ์ที่ถูกสร้างขึ้นมีความเป็นเหตุเป็นผล ไม่ใช่การสุ่มเดินรถแบบไร้ทิศทาง นอกจากนี้ยังมีระบบรับข้อมูลสะท้อนกลับจากตัวควบคุมรถ (Planner-controller feedback) เพื่อนำมาปรับปรุงสถานการณ์ให้ท้าทายยิ่งขึ้น ผลที่ได้คือสถานการณ์จำลองที่มีคุณภาพสูง สามารถนำไปใช้วินิจฉัยความล้มเหลวของระบบขับขี่อัตโนมัติได้อย่างมีประสิทธิภาพ
