雪天自动驾驶准备好了吗？极端天气下鲁棒自动驾驶的挑战
Are We Ready for Snow-tonomous Driving? Challenges Toward Robust Automated Driving in Extreme Weather
欧盟 Horizon Europe 项目 ROADVIEW 基于四年大规模开发和多平台真实演示，总结出阻碍全天候自动驾驶的十项关键挑战，包括数据稀缺、域偏移、多模态感知局限、控制鲁棒性不足和验证缺口。研究聚焦雪、雨、雾等恶劣天气下感知与控制任务性能显著下降的问题，并给出未来研究与标准化方向。
作者：Eren Erdal Aksoy、Abu Mohammed Raisuddin、Thien-Thu Ngo、Eren Aydemir、Osman Tahir Ekşi、Paula Litkey、Petri Manninen、Heikki Hyyti、Jyri Maanpää、Tarmo Kivioja、Tuomas Herranen、Väisänen Sofie、Niemi Kalle、Isabelle Morvan、Pierre Duthon、Ian Marsh、Martin Sanfridson、Henrik Toss、Thanh Bui、Yuri Poledna、Maikol Funk Drechsler、Mikko Tarkiainen、Matti Kutila、Topi Miekkala、Stefan Parzefall、Valentina Donzella、Pak Hung Chan、Sogol Kharrazi、Mario Ceccarelli
摘要：过去十年间，自动驾驶取得了显著进展，产业界和学术界都投入了大量资源来开发感知与控制解决方案，以推进车辆自主化。然而，这些努力主要集中于晴朗天气场景，对雪、雨、雾等恶劣条件的研究相对不足。因此，恶劣天气仍是自动驾驶汽车面临的最重大障碍之一，往往会导致下游感知与控制任务性能大幅下降。
本文介绍了欧盟资助的“地平线欧洲”项目 ROADVIEW 的洞见，该项目旨在为在雪、雨、雾等严苛条件下运行的网联自动驾驶汽车开发稳健的、具备天气感知能力的感知与控制模块。基于四年的大规模开发以及在多个地点、多种车辆平台上开展的真实世界演示，我们识别出阻碍天气适应性自主驾驶发展的十项关键挑战，包括数据稀缺、域偏移、多模态感知的局限、控制鲁棒性以及验证缺口等。我们总结了这些挑战以及为实现可靠的雪天自主驾驶所汲取的经验教训，并指出了未来研究与标准化的关键方向。
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用格式： | arXiv:2611.15217 [cs.RO] |
| （或本版本的 arXiv:2611.15217v1 [cs.RO]） | |
| https://doi.org/10.48550/arXiv.2611.15217 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Eren Aksoy [查看邮箱]
[v1]
2026年11月11日星期三 09:10:13 UTC（67,911 KB）
来源：arXiv cs.AI · arxiv.org