利用自动常识推理纠正自动驾驶目标检测误分类
人工智能
2026-01-09 v1 机器人学
摘要
自动驾驶技术得到广泛研究和追求，但目前尚无 SAE 级别5的自动驾驶车辆在市场上投入使用。我们认为，过度依赖机器学习技术是主要原因。我们认为，采用自动常识推理技术可帮助实现 SAE 级别5的自动驾驶。在本文中，我们展示了如何在数据样本不足以训练深度学习模型处理某些异常道路情形时，部署自动常识推理技术。具体而言，我们考虑两种情形：(i) 交叉口交通信号灯故障，和(ii) 前方车辆因意外障碍（如动物在路上）减速和转向。我们表明，在这些情况下，我们的常识推理解决方案能够准确检测交通灯颜色以及由自动驾驶感知模型未能捕捉的障碍物。我们还提供了高效调用常识推理的路径，通过衡量计算机视觉模型的不确定性，并使用常识推理处理不确定情形。我们描述了使用 CARLA 模拟器进行的实验及所获结果。我们的研究主要贡献在于表明自动常识推理有效纠正了基于自动驾驶的目标检测误分类，混合模型为提高自动驾驶感知提供了有效途径。
引用
@article{arxiv.2601.04271,
title = {Correcting Autonomous Driving Object Detection Misclassifications with Automated Commonsense Reasoning},
author = {Keegan Kimbrell and Wang Tianhao and Feng Chen and Gopal Gupta},
journal= {arXiv preprint arXiv:2601.04271},
year = {2026}
}
备注
In Proceedings ICLP 2025, arXiv:2601.00047