SUPER-AD：面向鲁棒自主驾驶的语义不确定性感知规划
机器人学
2025-12-01 v1 计算机视觉与模式识别
摘要
端到端（E2E）规划已成为自主驾驶的强大范式，但当前系统仍根本上对不确定性不敏感。它们假设感知输出在模糊或观察不完整的场景中完全可靠，给规划器提供不到明确的不确定性度量。为此，我们提出了一个仅依赖摄像头的E2E框架，直接在俯瞰鸟位（BEV）空间估计偶然不确定性，并将其纳入规划。我们的方法生成密集的、具备不确定性感知的可驾驶地图，能够在像素级分辨率下捕捉语义结构和几何布局。为进一步促进安全且遵守规则的行为，我们引入了车道跟随正则化，编码车道结构和交通规范。这一先验在正常条件下稳定轨迹规划，同时保留进行超车或变道等机动人为的灵活性。这些组件共同作用，使即便在面对挑战性不确定性条件时，也能实现稳健且可解释的轨迹规划。在NAVSIM基准测试中，我们的方法实现了最佳性能，在具有挑战性的NAVHARD和NAVSAFE子集上均取得显著提升。这些结果表明，原则性的偶然不确定性建模结合驾驶先验，显著提升了仅用摄像头的E2E自主驾驶的安全性和可靠性。
引用
@article{arxiv.2511.22865,
title = {SUPER-AD: Semantic Uncertainty-aware Planning for End-to-End Robust Autonomous Driving},
author = {Wonjeong Ryu and Seungjun Yu and Seokha Moon and Hojun Choi and Junsung Park and Jinkyu Kim and Hyunjung Shim},
journal= {arXiv preprint arXiv:2511.22865},
year = {2025}
}