基于Edge AI的实时决策：应对恶劣天气条件下的自动驾驶车辆
机器人学
2025-03-14 v1 人工智能
机器学习
摘要
自动驾驶车辆（AVs）正在变革现代交通，但其可靠性和安全性在重雨、雾霾和雪等恶劣天气条件下面临显著挑战。这些环境因素会损害摄像头、激光雷达和雷达的性能，导致情境意识力度下降并增加事故风险。传统的基于云端的AI系统会引入通信延迟，不适用于实时自动导航中所需的快速决策。本文提出一种 novel 的Edge AI驱动的实时决策框架，旨在增强AV在恶劣天气条件下的响应性。该方法整合卷积神经网络（CNN）和循环神经网络（RNN）以实现改进的感知，同时采用强化学习（RL）策略以优化不确定环境下的车辆控制。通过在网络边缘处理数据，该系统显著降低决策延迟，同时提升AV的适应性。该框架使用CARLA中的模拟驾驶场景和Waymo开放数据集中的真实数据进行评估，涵盖多样化的天气条件。实验结果表明，所提模型在处理时间上降低40%，在感知准确性上提升25%，显著优于传统云端系统。这些发现凸显了Edge AI在提升AV自主性、安全性和效率方面的潜力，为在挑战性真实环境中实现更可靠的自主驾驶技术铺平了道路。
引用
@article{arxiv.2503.09638,
title = {Edge AI-Powered Real-Time Decision-Making for Autonomous Vehicles in Adverse Weather Conditions},
author = {Milad Rahmati},
journal= {arXiv preprint arXiv:2503.09638},
year = {2025}
}