自动驾驶车辆在水下灾害场景中进行深度重建的不确定性估计
机器人学
2026-04-09 v1 人工智能
摘要
从稀疏的车载观测中准确重建环境标量场，对从事水下监测的自动驾驶车辆至关重要。除点估计外，合理的不确定性量化对信息路径规划等主动感知策略至关重要，其中认知不确定性驱动数据收集决策。本文比较了高斯过程、蒙特卡洛Dropout、深度集成和证据深度学习三种感知模型（代表真实传感器模态）下的同时标量场重建与不确定性分解。结果表明，证据深度学习在所有传感器配置下均取得了最佳重建精度和不确定性校准，且推理成本最低；而高斯过程因其平稳核假设而受到根本限制，且随观测密度增加变得不可处理。这些发现支持证据深度学习作为实时自动驾驶车辆部署中不确定性感知场重建的首选方法。
引用
@article{arxiv.2604.06387,
title = {Uncertainty Estimation for Deep Reconstruction in Actuatic Disaster Scenarios with Autonomous Vehicles},
author = {Samuel Yanes Luis and Alejandro Casado Pérez and Alejandro Mendoza Barrionuevo and Dame Seck Diop and Sergio Toral Marín and Daniel Gutiérrez Reina},
journal= {arXiv preprint arXiv:2604.06387},
year = {2026}
}