端到端自动驾驶中基于损失预测的碰撞风险估计
机器人学
2026-02-10 v2 计算机视觉与模式识别
摘要
碰撞风险估计与规避在自动驾驶（AD）系统的安全性中扮演着核心角色。近期涌现的端到端AD系统通过最小化损失来惩罚过于靠近其他物体的规划轨迹，从而获得碰撞规避能力。尽管在测试中存在显著的碰撞率，大多数端到端规划器并未在其输出中显式量化碰撞风险。为了解决这一问题，我们引入了RiskMonitor，这是一个高效的即插即用模块，它通过解释来自最先进端到端规划器的规划和运动token来估计碰撞风险。受基于损失预测的不确定性量化启发，RiskMonitor预测通常用于训练端到端规划器的碰撞损失在规划航点处是否为正，从而将碰撞风险估计构建为二分类任务。我们在真实世界nuScenes数据集（开环）和基于神经渲染的模拟器NeuroNCAP（闭环）上评估了RiskMonitor。我们的token驱动方法优于预测驱动方法，包括确定性规则、高斯混合模型和Monte Carlo Dropout。当与简单的制动策略结合时，RiskMonitor在安全关键场景的闭环测试中将碰撞规避能力提高了 。这些结果表明，使用规划和运动token监控碰撞风险可以在无需重新训练的情况下增强端到端AD的安全性。
关键词
引用
@article{arxiv.2503.07425,
title = {Collision Risk Estimation via Loss Prediction in End-to-End Autonomous Driving},
author = {Ziliang Xiong and Shipeng Liu and Nathaniel Helgesen and Hongwei Li and Joakim Johnander and Per-Erik Forssen},
journal= {arXiv preprint arXiv:2503.07425},
year = {2026}
}