RESBev：提升 BEV 感知鲁棒性
计算机视觉与模式识别
2026-03-11 v1
摘要
鸟瞰视图（BEV）感知已成为自动驾驶系统的基石，提供结构化、以自车为中心的表征，对下游规划和控制至关重要。然而，实际部署面临传感器退化和对抗攻击的挑战，这些挑战会导致严重的感知异常，最终危及自动驾驶系统的安全。为此，我们提出一种鲁棒且即插即用的 BEV 感知方法 RESBev，可轻松应用于现有 BEV 感知方法以增强其对多样化干扰的鲁棒性。具体而言，我们将感知鲁棒性重新框定为潜在语义预测问题。构建潜在世界模型以提取连续 BEV 感知观测之间的时空关联，从而学习底层 BEV 状态转换，以预测干净 BEV 特征来重建被破坏的观测。该框架 operates at Lift-Splat-Shoot 管道的语义特征层次，使其恢复能够在不修改底层网络结构的情况下普遍适用于自然干扰和对抗攻击。大量实验在 nuScenes 数据集上表明，在少量微调的情况下，RESBev 显著提高了现有 BEV 感知模型对各种外部干扰和对抗攻击的鲁棒性。
引用
@article{arxiv.2603.09529,
title = {RESBev: Making BEV Perception More Robust},
author = {Lifeng Zhuo and Kefan Jin and Zhe Liu and Hesheng Wang},
journal= {arXiv preprint arXiv:2603.09529},
year = {2026}
}