常视眼：建立与桥接自动驾驶中的外观鲁棒性基准
计算机视觉与模式识别
2026-02-16 v1
摘要
尽管取得了快速进展，自动驾驶算法在外源分布（OOD）条件下仍显脆弱。我们识别出当前研究中的一个关键脱节问题：未能区分基于外观的偏移（如天气和光照）与结构场景变化。这留下了一个根本问题：规划器是因复杂的道路几何而失败，还是仅因下雨而失效？为此，我们构建navdream，一个利用生成像素对齐风格迁移的高保真鲁棒性基准。通过创建几何偏差可忽略的视觉应力测试，我们隔离了外观对驾驶性能的影响。我们的评估显示，现有规划算法在OOD外观条件下常出现显著性能下降，即使底层场景结构保持一致。为弥合这一差距，我们提出一种通用的感知接口，利用冻结的视觉基础模型（DINOv3）提取外观不变特征，作为规划器的稳定接口，实现了在多样化规划范式（包括回归基、扩散基和评分基模型）上的出色零样本泛化。我们的即插即用解决方案在极端外观变换下保持一致性能，且无需进一步微调。该基准和代码将予以公开。
引用
@article{arxiv.2602.12563,
title = {The Constant Eye: Benchmarking and Bridging Appearance Robustness in Autonomous Driving},
author = {Jiabao Wang and Hongyu Zhou and Yuanbo Yang and Jiahao Shao and Yiyi Liao},
journal= {arXiv preprint arXiv:2602.12563},
year = {2026}
}