CarlaNCAP：基于 EuroNCAP 场景量化基础设施辅助集体感知中弱势道路使用者安全性的框架
机器人学
2026-05-25 v2
摘要
近年来，道路使用者的日益增多显著增加了事故风险。弱势道路使用者尤其面临危险，在城市环境中，他们经常被停放的车辆或建筑物遮挡。自动驾驶和集体感知是缓解这些风险的有前景的解决方案。特别是基础设施辅助的集体感知，通过在交通信号灯或路灯杆等基础设施元件上安装传感器单元，可以提供增强的视角来帮助克服感知限制，从而显著减少遮挡。为了鼓励决策者采用这项技术，必须要有展示 VRU 安全性提升的全面研究和数据集。在本文中，我们提出了一个用于评估基于基础设施的集体感知对 VRU 安全性提升的框架，其中包含具有安全关键的 EuroNCAP 场景的数据集，共 11k 帧。使用该数据集，我们进行了深入的仿真研究，并证明基础设施辅助的集体感知能够显著降低安全关键场景中的事故率，与仅配备传感器且事故避免率为 33% 的车辆相比，可实现高达 100% 的事故避免。代码可在 https://github.com/ekut-es/carla_ncap 获取
引用
@article{arxiv.2512.11551,
title = {CarlaNCAP: A Framework for Quantifying the Safety of Vulnerable Road Users in Infrastructure-Assisted Collective Perception Using EuroNCAP Scenarios},
author = {Jörg Gamerdinger and Sven Teufel and Simon Roller and Oliver Bringmann},
journal= {arXiv preprint arXiv:2512.11551},
year = {2026}
}