基于视觉语言模型的高级骑行辅助系统
机器人学
2026-05-28 v1
摘要
摩托车因受限保护和对路面危险的高度敏感性，崩溃风险显著高于汽车，但与汽车辅助系统 (ADAS) 相比，摩托车高级骑行辅助系统 (ARAS) 仍不成熟。我们提出一种新型ARAS，通过语义感知和风险感知规划来增强摩托车安全。我们的方案利用视觉语言模型 (VLM) 进行上下文危险推理，并与基于分割的检测集成，以构建稠密风险图。这些图编码了语义特征（如坑洼严重程度、水坑滑腻性）和物理属性（如大小、深度），产生捕捉摩托车特定风险的像素级危险成本。这些图由针对摩托车动力学的采样式规划器使用，用于推荐可最小化危险暴露同时前进至目的地的油门和转向动作。我们在CARLA模拟器中对系统在不同情景下进行评估。与基线方法相比，我们的方法在成功率和危险暴露方面表现更佳，定性结果显示可解释的风险图和安全轨迹推荐。
引用
@article{arxiv.2605.27948,
title = {VLM-Based Advanced Rider Assistance System for Motorcycle Safety},
author = {Mohamed Elnoor and Francesca Baldini and Ananya Trivedi and Faizan M. Tariq and Jovin D'sa and David Isele and Sangjae Bae and Dinesh Manocha and Yosuke Sakamoto},
journal= {arXiv preprint arXiv:2605.27948},
year = {2026}
}
备注
Accepted to IEEE IV 2026