SafeCast：面向自动驾驶的风险响应运动预测
机器人学
2025-03-31 v1 人工智能
摘要
精准的运动预测是自动驾驶（AD）系统安全可靠性的关键。虽然现有方法取得了显著进展，但往往忽略明确的安全约束，难以捕捉 traffic agents、环境因素和运动动力学之间的复杂相互作用。为此，我们提出 SafeCast，一种风险响应运动预测模型，将安全感知决策与不确定性感知适应性集成。SafeCast 是首个将责任敏感安全（RSS）框架引入运动预测的模型，基于交通规范和物理原理编码可解释的安全规则——如安全距离和碰撞规避。为进一步增强鲁棒性，我们引入图不确定性特征（GUF），一种基于图注意力网络注入可学习噪声的模块，捕捉真实世界的不确定性，并提升在 diverse 场景下的泛化能力。我们在四个真实世界基准数据集上评估了 SafeCast——Next Generation Simulation（NGSIM）、Highway Drone（HighD）、ApolloScape 和 Macao Connected Autonomous Driving（MoCAD）——涵盖高速公路、城市和混合自主交通环境。我们的模型在保持轻量架构和低推理延迟的同时实现了最先进（SOTA）准确率，凸显了其在安全关键 AD 系统中实现实时部署的潜力。
引用
@article{arxiv.2503.22541,
title = {SafeCast: Risk-Responsive Motion Forecasting for Autonomous Vehicles},
author = {Haicheng Liao and Hanlin Kong and Bin Rao and Bonan Wang and Chengyue Wang and Guyang Yu and Yuming Huang and Ruru Tang and Chengzhong Xu and Zhenning Li},
journal= {arXiv preprint arXiv:2503.22541},
year = {2025}
}