CRASH：面向自动驾驶安全危险的认知推理代理

随着AVs复杂性和多样性的增加，识别运营故障的根本原因变得越来越复杂。制造商之间从端到端到模块化设计的体系结构异质性，以及算法和集成策略的差异，限制了事故调查的标准化，并阻碍了系统性的安全分析。本工作检视了NHTSA数据库中报告的真实世界AV事故。我们构建了2168个2021至2025年间报告的案例，代表超过8000万英里的行驶里程。为了处理这些数据，我们引入CRASH（Cognitive Reasoning Agent for Safety Hazards），一个基于LLM的代理，通过利用标准化字段和非结构化叙述描述来自动化对事故报告的推理。CRASH operates on a unified representation of each incident to generate concise summaries, attribute a primary cause, and assess whether the AV materially contributed to the event.我们的发现表明，(1) CRASH将64%的事故归因于感知或规划故障，凸显了基于推理的分析对于准确归因的重要性；(2)约有50%的报告事故涉及后方碰撞，突显了自动驾驶部署中持续且未解决的挑战。我们进一步通过五位领域专家验证了CRASH，在归因AV系统故障方面实现了86%的准确率。总体而言，CRASH证明了作为可扩展且可解释的自动事故分析工具的强大潜力，为支持安全研究和持续发展自动驾驶系统提供了可操作的见解。