CooperRisk：基于多智能体协作感知与预测的驾驶风险量化管道

风险量化是安全自主驾驶的关键组成部分，但受限于复杂密集场景中单车系统的感知范围和遮挡问题。车联网（V2X）范式为共享互补感知信息提供了可行方案，但如何在理解多智能体交互的同时确保 V2X 风险可解释性仍是开放问题。本文引入首个 V2X 启用风险量化管道 CooperRisk，用于融合来自多个智能体的感知信息，并量化未来多个时间点的场景驾驶风险。风险以场景风险图表示，以确保基于风险严重程度和暴露程度的可解释性，同时通过学习的协作预测模型捕获多智能体交互。我们仔细设计了具备多模态和多智能体考虑的风险导向 Transformer 预测模型，旨在确保多智能体行为在场景中一致，避免导致过于保守风险量化并使 ego 车在驾驶中变得过于谨慎。随后，时序风险图可用于指导模型预测控制规划器。我们在真实世界 V2X 数据集 V2XPnP 上评估了 CooperRisk 管道，实验表明其在风险量化方面表现优异， ego 车与背景交通参与者之间的冲突率降低了44.35%。