LSRE：面向自动驾驶的潜在语义规则编码用于实时语义风险检测
机器人学
2026-01-06 v2 人工智能
摘要
现实中的自动驾驶必须遵守超越法律规范交通规则的复杂人类社会规则。许多这些语义约束，如让渡紧急车辆、遵守交通警察的手势、为校车让路等，都对人类直观易懂，却难以显式编码。虽然大型视觉-语言模型 (VLM) 能够解释此类语义，但其推理成本使其难以用于实时部署。本工作提出 LSRE，即潜在语义规则编码框架，将稀疏采样的 VLM 判断转换为潜在空间中基于循环世界模型的决策边界。通过将语言定义的安全语义编码到轻量级潜在分类器中，LSRE 实现了无需每帧 VLM 查询即可以 10 Hz 的速度进行实时语义风险评估。在 CARLA 中的六个语义故障情景实验表明，LSRE 在语义风险检测准确率方面相当于大型 VLM 框架，同时显著提前预测危险并保持低计算延迟。LSRE 还能对罕见的语义相似测试案例具有良好泛化，表明语言引导的潜在分类为自动驾驶中的语义安全监控提供了有效且可部署的机制。
引用
@article{arxiv.2512.24712,
title = {LSRE: Latent Semantic Rule Encoding for Real-Time Semantic Risk Detection in Autonomous Driving},
author = {Qian Cheng and Weitao Zhou and Cheng Jing and Nanshan Deng and Junze Wen and Zhaoyang Liu and Kun Jiang and Diange Yang},
journal= {arXiv preprint arXiv:2512.24712},
year = {2026}
}