StyleDrive：面向驾驶风格感知的无人驾驶端到端基准测试

虽然在传统的无人驾驶管线系统中个性化问题得到了广泛研究，但在端到端无人驾驶（E2EAD）语境下却大体被忽视，尽管它在促进用户信任、安全感知以及实际应用采纳方面发挥着关键作用。一个主要瓶颈是缺乏能够系统捕捉驾驶偏好的大规模真实世界数据集，严重限制了个性化E2EAD模型的开发与评估。本文引入了首个为个性化E2EAD精心策划的大规模真实世界数据集，集成了完整的场景拓扑结构，以及由智能体动态行为和通过微调视觉语言模型（VLM）推断的语义信息构成的丰富动态背景。我们提出了一种混合标注管线，结合行为分析、基于规则和分布的启发式方法，以及由VLM推理引导的主观语义建模，最终通过人类在环验证进行细化。基于该数据集，我们引入了首个标准化基准，用于系统评估个性化E2EAD模型。在面向最新架构的经验评估中，证明 incorporating 个性化驾驶偏好显著提高了与人类演示的行为对齐度。