驾驶中的角落案例：面向端到端自动驾驶的真实环境对抗闭环评估平台
计算机视觉与模式识别
2026-04-21 v2 机器人学
摘要
安全关键的角落案例在现实世界中难以收集，却是评估端到端自动驾驶的关键。对抗交互是生成此类安全关键角落案例的有效方法。虽然已有对抗评估方法针对模型运行于简化仿真环境，但针对真实环境下端到端自动驾驶的对抗评估研究尚不充分。为此，我们提出了一个用于端到端自动驾驶的闭环评估平台，能够在真实场景中生成对抗交互。在该平台中，真实图像生成器与对抗交通政策合作，对各种基于真实数据训练的端到端模型进行评估。该生成器基于流匹配技术，能够高效稳定地根据交通环境信息生成真实图像。设计的高效对抗周围车辆政策用于建模具有挑战性的交互，创建当前自动驾驶系统难以处理的角落案例。实验结果表明，该平台能够有效且高效地生成逼真的驾驶图像。通过评估如 UniAD 和 VAD 等端到端模型，我们展示该平台在角落案例下的性能 degradation 评估效果。这一结果表明，该平台能够有效检测模型潜在问题，将促进端到端自动驾驶的安全性和鲁棒性。
引用
@article{arxiv.2512.16055,
title = {Driving in Corner Case: A Real-World Adversarial Closed-Loop Evaluation Platform for End-to-End Autonomous Driving},
author = {Jiaheng Geng and Jiatong Du and Xinyu Zhang and Ye Li and Panqu Wang and Yanjun Huang},
journal= {arXiv preprint arXiv:2512.16055},
year = {2026}
}
备注
Update some experimental details