arXiv cs.AI· Lieqi Liu, Rui gao, Jia-Chen Gu, Wenbo Hu, Zhaobin Mo, Ahmadreza Moradipari, Nejib Ammar, Wei Wang, Nanyun Peng·· 11 小时前AI 评分34
STRIDE：评估驾驶边缘场景中的时空推理能力
STRIDE: Evaluating Spatiotemporal Reasoning in Driving Edge Cases
AI 导读
研究者推出 STRIDE，一个面向长尾、安全关键驾驶场景的对象中心基准，覆盖空间感知、空间理解、时间记忆、时间外推、轨迹预测和场景上下文感知六类任务。在 12 个专有、开放权重和驾驶专用模型上，表现最好的 GPT-6-Astra 平均选择题准确率仅 43.4%，随机选择基线约为 20%。分析显示，描述驾驶场景能力强并不代表安全关键判断准确，模型重建物体运动比回忆过去位置更困难。
正文 · AI 翻译
摘要：在自动驾驶中，感知周围物体是不够的：若无法理解它们随时间如何移动和交互，就可能导致危险决策。因此，评估视觉语言模型（VLM）需要检验它们能否将过去的空间观测与未来后果联系起来。然而，现有基准往往通过基础感知问题评估边缘案例，或在简单场景中测试时间理解，导致复杂的时空推理未被充分探索。我们提出 STRIDE（SpatioTemporal Reasoning In Driving Edge Cases，驾驶边缘案例中的时空推理），一个面向长尾、安全关键驾驶场景的以物体为中心的基准。STRIDE 涵盖六个任务族：空间感知、空间理解、时间记忆、时间外推、轨迹预测和场景上下文感知。它将探测单个时空判断的多选题与相关的自由形式视觉问答（VQA）配对，后者要求详细的场景解释和驾驶决策依据。我们优先选择具有异常物体行为和复杂交通交互的场景，通过自动化流程从结构化数据集标注生成参考答案，并使用有限的语言模型辅助和人工验证来确保标注质量。在 12 个专有、开放权重和驾驶专用模型中，即使表现最好的 GPT-6-Astra 平均多选题准确率也仅为 43.4%，而随机选择基线约为 20%。进一步分析表明，在描述驾驶场景方面的强劲表现并不一定能转化为准确的安全关键判断，且模型在重建物体运动方面比回忆过去位置更困难。因此，STRIDE 揭示了聚合 VQA 分数可能掩盖的时空驾驶局限性。
| 评论： | 项目页面：此 https URL |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.22795 [cs.CV] |
| （或 arXiv:2610.22795v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22795 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Lieqi Liu [查看电子邮件]
[v1]
2026年10月16日星期五 01:13:23 UTC（6,956 KB）
来源：arXiv cs.AI · arxiv.org