基于 JEPA 潜在嵌入的汽车时序数据在线监控框架
摘要
随着自动驾驶车辆的推出，必须采取措施确保其安全运行。为了监督已在运行的系统，常会采用监控框架。这些框架在后台持续在线运行，监控系统状态并记录异常。本文提出一种用于检测物体状态表示中异常的在线监控框架。其中，一个关键挑战是创建无异常标签的异常检测框架，而这些标签通常不可用于未知异常。为解决此问题，本文应用自监督嵌入方法将物体数据转换为潜在表示空间。为此，构建了一个基于 JEPA 的自监督预测任务，允许在无异常标签的情况下进行训练并创建丰富的物体嵌入。 resulting 表达化的 JEPA 嵌入作为 established 异常检测方法的输入，以识别物体状态表示中的异常。该框架特别适用于实际环境中的应用，在这些环境中，可能在运行期间发生新的或未知异常，此类情况没有可用的标签。在公开的真实世界 nuScenes 数据集上进行的实验说明了该框架的能力。
引用
@article{arxiv.2602.09985,
title = {Online Monitoring Framework for Automotive Time Series Data using JEPA Embeddings},
author = {Alexander Fertig and Karthikeyan Chandra Sekaran and Lakshman Balasubramanian and Michael Botsch},
journal= {arXiv preprint arXiv:2602.09985},
year = {2026}
}
备注
Accepted at the 2026 IEEE Intelligent Vehicles Symposium. Copyright 2026 IEEE. Permission from IEEE must be obtained for use in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works