arXiv cs.AI· Junyao Wang, Yulin Xu, Yu Li, Pramod Khargonekar, Mohammad Abdullah Al Faruque·· 9 天前AI 评分22
CRUISE：VLM 引导的不确定性感知跨模态传感器融合框架，提升自动驾驶鲁棒性
CRUISE: Vision-Language Model-Guided Uncertainty-Aware Cross-Modal Sensor Fusion for Robust Autonomous Driving
AI 导读
针对恶劣天气与低能见度下多传感器融合可靠性下降的问题，研究者提出 CRUISE 框架，用视觉语言模型（VLM）引导的不确定性量化模块生成像素级不确定性估计，为融合过程提供细粒度指引。该框架还引入动态自适应机制显式建模跨模态依赖，以充分利用多传感器输入的互补性。
正文 · AI 翻译
摘要：现代自动驾驶汽车配备了多种传感器，如摄像头、LiDAR 和雷达，以实现全面的环境感知。然而，稳健的跨模态特征融合仍然是一个关键挑战，因为每种传感器的可靠性在多样化的真实驾驶条件下（包括低能见度和恶劣天气）差异显著。虽然不确定性量化（UQ）通过允许模型优先考虑可靠信号来缓解这一问题，但现有的不确定性感知融合方法通常依赖于简单的特征级不确定性估计，因此在复杂的分布外场景中往往无法有效泛化。为了解决这一局限，我们提出了 CRUISE，一种新颖的不确定性感知跨模态传感器融合框架。CRUISE 集成了一个视觉语言模型（VLM）引导的 UQ 模块，可生成细粒度的像素级不确定性估计。通过利用 VLM 丰富的先验知识和卓越的上下文推理能力，我们的方法为融合过程提供了信息量极高的指导。此外，我们引入了一种动态自适应机制，显式地建模并捕获跨模态依赖关系，确保该框架充分利用多传感器输入固有的互补性。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2608.09202 [cs.AI] |
| （或使用 arXiv:2608.09202v2 [cs.AI] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2608.09202 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Junyao Wang [查看电子邮件]
[v1]
2026年8月10日星期一 07:17:00 UTC（852 KB）
[v2]
2026年10月7日星期三 21:48:15 UTC（854 KB）
来源：arXiv cs.AI · arxiv.org