CooperRisk：基于多智能体协作感知与预测的驾驶风险量化管道
机器人学
2025-06-23 v1
摘要
风险量化是安全自动驾驶的关键组成部分，但受限于复杂稠密场景中单车系统感知范围有限和遮挡问题。车联网(V2X)范式一直是解决共享补充感知信息的有前景的方案，但如何在V2X下理解多智能体相互作用时确保风险可解释性仍是一个开放问题。本文引入了首个V2X-enabled风险量化管道CooperRisk，用于融合来自多个智能体的感知信息，并在未来多个时间戳上对场景驾驶风险进行量化。风险以场景风险图形式表示，以确保基于风险严重程度和暴露程度的可解释性，多智能体相互作用通过学习型协作预测模型捕获。我们仔细设计了具有多模态和多智能体考虑的风险导向Transformer-based预测模型。旨在确保多个智能体的场景一致未来行为，并避免可能导致过于保守风险量化并使ego车在驾驶中变得过于谨慎的相互冲突预测。随后，时序风险图可用于指导模型预测控制规划器。我们在真实世界V2X数据集V2XPnP上评估了CooperRisk管道，实验表明其在风险量化方面表现优越，显示出ego车与背景交通参与者之间冲突率降低44.35%。
引用
@article{arxiv.2506.15868,
title = {CooperRisk: A Driving Risk Quantification Pipeline with Multi-Agent Cooperative Perception and Prediction},
author = {Mingyue Lei and Zewei Zhou and Hongchen Li and Jia Hu and Jiaqi Ma},
journal= {arXiv preprint arXiv:2506.15868},
year = {2025}
}
备注
IROS2025