LSRE：自主驾驶实时语义风险检测的潜在语义规则编码

于红博

摘要: 现实世界的自动驾驶必须遵守超出法律规定的交通规则的复杂人类社会规范。这些语义约束中许多对人类来说是直观的，例如让路给紧急车辆，遵守交通警察的手势，或者停车给学校巴士，但很难明确编码。尽管大型视觉语言模型(VLMs)可以解释这些语义，但它们的推理成本使它们无法实时部署。本文提出了LSRE，一种将稀疏采样的VLM判断转换为递归世界模型潜在空间内的决策边界的潜在语义规则编码框架。通过将由语言定义的安全语义编码为轻量级潜在分类器，LSRE使得可以在10 Hz的实时环境中进行语义风险评估，而无需逐帧进行VLM查询。在CARLA中对六种语义失败场景的实验表明，LSRE实现了与大型VLM基线相当的语义风险检测准确性，同时提供了更早的危险预期并保持低计算延迟。LSRE进一步推广到很少见到的语义相似的测试案例，表明语言引导的潜在分类提供了一种有效且可部署的机制，用于自动驾驶中的语义安全监控。

更新时间: 2025-12-31 08:27:10

领域: cs.RO,cs.AI

下载: http://arxiv.org/abs/2512.24712v1