Garantizar la seguridad y la eficiencia en la industria de vehículos autónomos (AV) que avanza rápidamente presenta un desafío de ingeniería significativo. Las evaluaciones de rendimiento exhaustivas y las pruebas de escenarios críticos son esenciales para identificar situaciones que los AV no pueden manejar. Por lo tanto, generar escenarios críticos es un problema clave en el diseño del sistema de pruebas de AV. Este documento propone un método de interacción adversarial basado en teoría de juegos para generar de manera eficiente escenarios críticos que desafían a los sistemas de AV. La predicción inicial de movimiento para vehículos adversariales y circundantes se basa en modelos cinemáticos y restricciones viales, estableciendo espacios de acción de interacción para determinar posibles dominios de conducción. Un enfoque de evaluación novedoso combina conjuntos de alcanzabilidad con intensidad adversarial para evaluar riesgos de colisión y fuerza adversarial para cualquier estado, utilizado para resolver valores de comportamiento para cada estado de acción de interacción. Además, se derivan estrategias de acción de equilibrio para los vehículos utilizando teoría de juegos de Stackelberg, lo que produce acciones óptimas considerando interacciones adversariales en el entorno de tráfico actual. Los resultados de simulación muestran que los escenarios adversariales generados por este método aumentan significativamente las tasas de incidentes entre un 158% y un 1313% en comparación con los escenarios de conducción natural, mientras que la comodidad del viaje y la eficiencia de conducción disminuyen, y el riesgo aumenta significativamente. Estos hallazgos proporcionan información crítica para la mejora del modelo y demuestran la idoneidad del método propuesto para evaluar el rendimiento de los AV en entornos de tráfico dinámicos.