跳到正文
arXiv cs.AI· Rongxiang Zeng, Linsen Cai, Jiafu Zhang, Yijie Zhong, Yide Tao, Shuai Wang, Nan Zheng, Hai L. Vu, Alvaro Garcia Hernandez, Yongqi Dong·· 10 小时前AI 评分31

RiskWorld:面向自动驾驶选择性轨迹规划的风险感知世界建模与流引导占用演化

RiskWorld: Risk-Aware World Modeling with Flow-Guided Occupancy Evolution for Selective Trajectory Planning in Automated Driving

AI 导读

RiskWorld 是一个风险感知世界建模框架,融合空间风险场、时序参与者上下文与鸟瞰视觉特征,通过流引导演化传输占用与场景特征,并用带符号残差校正。在 nuScenes 开环规划评测中,RiskWorld 在 3 s 长时域取得最低碰撞率、平均 L2 误差位列第二,单张 NVIDIA RTX 4090 上以 11.5 FPS 运行,参数量 90.81 M。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:自动驾驶中的安全运动规划需要预判不断演变的交通风险,并决定何时修改当前规划的轨迹。我们提出 RiskWorld,一个风险感知的世界建模框架,用于共享占用预测和选择性轨迹替换。空间风险场和时间参与者上下文与视觉鸟瞰图特征相融合。流引导演化传递占用和场景特征,而带符号残差在传递后校正占用。每个规划步骤生成一次预测,并在各候选轨迹间复用。每个候选轨迹与当前状态持续性参考进行比较,产生非负的碰撞分数校正。由当前世界评估选出的轨迹作为规划锚点,仅当额外的预测风险触发干预且某个替代方案满足对预测风险和轨迹误差的逐分量约束时才被替换。候选几何保持不变。我们在 nuScenes 上使用相机特征、由标注导出的当前和历史参与者状态以及数据集提供的地图上下文,对 RiskWorld 进行开环规划评估。RiskWorld 在 3 s 的长评估时域上取得最低碰撞率,并在多种最先进基线中取得第二低的平均 L2 误差,同时在单块 NVIDIA RTX 4090 上以 11.5 FPS 运行,参数量为 90.81 M。同设置消融实验表明,RiskWorld 的碰撞率低于当前状态重打分基线,而预测复用使得能够以较低的边际计算成本评估更多候选轨迹。
评论: 8 页,2 幅图
主题: 人工智能(cs.AI);新兴技术(cs.ET);机器学习(cs.LG);机器人学(cs.RO);系统与控制(eess.SY)
引用为: arXiv:2609.18442 [cs.AI]
  (或本版本的 arXiv:2609.18442v2 [cs.AI])
  https://doi.org/10.48550/arXiv.2609.18442

由 DataCite 颁发的 arXiv DOI

提交历史

来自:Yongqi Dong [查看邮箱]
[v1] 2026 年 9 月 16 日星期三 10:32:37 UTC(9,954 KB)
[v2] 2026 年 11 月 18 日星期三 10:37:00 UTC(9,954 KB)

来源:arXiv cs.AI · arxiv.org