当自动驾驶汽车遇见 V2X 协同感知：我们还有多远？
人工智能
2025-09-30 v1 机器人学
软件工程
摘要
随着深度学习与通信技术的巨大进步，Vehicle-to-Everything (V2X) 协同感知有望解决单智能体感知系统在远距离物体感知和遮挡方面的局限性。V2X 协同感知系统是一种软件系统，其特征在于具有多样的传感器类型与协同智能体、不同的融合方案，以及在不同通信条件下运行。因此，其复杂的构成引发了诸多运行挑战。此外，当协同感知系统产生错误预测时，其错误类型与潜在原因仍有待充分探索。为弥补这一空白，我们迈出了初步一步，对 V2X 协同感知进行了实证研究。为了系统评估协同感知对自车感知性能的影响，我们识别并分析了协同感知系统中的六种普遍错误模式。我们进一步通过大规模研究对这些系统的关键组件进行了系统评估，并得出以下关键发现：（1）基于 LiDAR 的协同配置展现出最高的感知性能；（2）Vehicle-to-infrastructure (V2I) 与 vehicle-to-vehicle (V2V) 通信在不同的融合方案下展现出不同的协同感知性能；（3）协同感知错误的增加可能导致更高频率的驾驶违规；（4）协同感知系统在线运行时对通信干扰不具备鲁棒性。我们的结果揭示了协同感知系统关键组件中的潜在风险与漏洞。我们希望这些发现能更好地促进协同感知系统的设计与修复。
引用
@article{arxiv.2509.24927,
title = {When Autonomous Vehicle Meets V2X Cooperative Perception: How Far Are We?},
author = {An Guo and Shuoxiao Zhang and Enyi Tang and Xinyu Gao and Haomin Pang and Haoxiang Tian and Yanzhou Mu and Wu Wen and Chunrong Fang and Zhenyu Chen},
journal= {arXiv preprint arXiv:2509.24927},
year = {2025}
}
备注
The paper has been accepted by the 40th IEEE/ACM International Conference on Automated Software Engineering, ASE 2025