自动驾驶仿真新法:以风险百分位精确控制角落场景有多「角落」
Jiaxi Liu · hf · 2026-10-09
测试自动驾驶软件栈的安全性能,需要生成恰当「恶劣程度」的角落场景,但现有场景生成器难以控制生成场景相对同一交通情境下合理未来的极端程度。
该研究把场景恶劣度定义为:给定观测历史条件下未来风险的条件分布中的百分位。方法上先学习一个参考风险分布,把请求的百分位映射到物理风险目标,再用百分位条件化的联合扩散模型加采样时风险引导生成多智能体未来,并配套基于参考的百分位实现评估标准。
在高D 数据集上以 PET(最小后侵入时间)为风险代理指标:主评估集 1440 个请求中 1422 个在 0.05 百分位容差内实现(98.75%),平均百分位误差 0.00673,PET 目标误差 0.00991 秒。该方法把情境相对风险规范、物理实现与评估统一在同一风险尺度上。
「具身」频道最新
- Text2Sim 用文本生成物理仿真场景，输出可编辑的真物理视频 — erwincoumans · 2026-10-09
- 新加坡 6 英尺机器人格斗翻车,作者指出是遥操作策略选错 — carlosdponx · 2026-10-09
- PredActor 用单一扩散策略统一人形机器人运动生成与控制,G1 端侧跑 50Hz — carlosdponx · 2026-10-09
- Meta 智能眼镜美网广告走红,评论称手机或可留在口袋 — armand_ruiz · 2026-10-09
- 英特尔高管:企业机器人价值大头在存量装机,而非新销售 — ryanshrout · 2026-10-09
- IROS 2026 最佳论文：3D 特征直入 VLM，导航成功率升至 74.2% — qinzytech · 2026-10-09