Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.21041

帮助 | 高级搜索

计算机科学 > 机器人技术

arXiv:2506.21041 (cs)
[提交于 2025年6月26日 (v1) ,最后修订 2025年7月4日 (此版本, v2)]

标题: SEAL:基于视觉-语言模型的安全端到端协同自动驾驶自适应长尾建模

标题: SEAL: Vision-Language Model-Based Safe End-to-End Cooperative Autonomous Driving with Adaptive Long-Tail Modeling

Authors:Junwei You, Pei Li, Zhuoyu Jiang, Zilin Huang, Rui Gan, Haotian Shi, Bin Ran
摘要: 自动驾驶技术在面对罕见、多样且视觉退化的天气场景时面临重大的安全挑战。 这些挑战在协作环境中变得更加关键,其中车辆和基础设施共同感知并推理复杂环境。 为了解决这些问题,我们提出了SEAL,这是一个基于视觉-语言模型的框架,采用自适应多模态学习,在长尾场景下实现稳健的协作自动驾驶。 SEAL引入了三项核心创新:(i) 一种提示驱动的长尾场景生成和评估管道,利用基础模型合成车辆和基础设施视角下的真实长尾条件,如雪和雾,高效丰富训练多样性;(ii) 一种门控多场景自适应注意力模块,利用场景先验调节视觉流,重新校准模糊或损坏的特征;以及(iii) 一种多任务场景感知对比学习目标,提高了多模态对齐并促进了跨场景特征可分性。 大量实验表明, 在复杂、具有挑战性的驾驶条件下,SEAL在推理、安全性和规划准确性方面显著优于现有基线,推动了自动驾驶的安全性、鲁棒性和可扩展性。
摘要: Autonomous driving technologies face significant safety challenges while operating under rare, diverse, and visually degraded weather scenarios. These challenges become more critical in cooperative settings, where vehicles and infrastructure jointly perceive and reason across complex environments. To address these issues, we propose SEAL, a vision-language model-based framework with adaptive multimodal learning for robust cooperative autonomous driving under long-tail scenarios. SEAL introduces three core innovations: (i) a prompt-driven long-tail scenario generation and evaluation pipeline that leverages foundation models to synthesize realistic long-tail conditions such as snow and fog across vehicle- and infrastructure-side views, enriching training diversity efficiently; (ii) a gated multi-scenario adaptive attention module that modulates the visual stream using scenario priors to recalibrate ambiguous or corrupted features; and (iii) a multi-task scenario-aware contrastive learning objective that improves multimodal alignment and promotes cross-scenario feature separability. Extensive experiments demonstrate that SEAL significantly outperforms existing baselines in reasoning, safety, and planning accuracy under complex, challenging driving conditions, advancing the safety, robustness, and scalability of autonomous driving.
主题: 机器人技术 (cs.RO) ; 人工智能 (cs.AI); 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2506.21041 [cs.RO]
  (或者 arXiv:2506.21041v2 [cs.RO] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.21041
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Junwei You [查看电子邮件]
[v1] 星期四, 2025 年 6 月 26 日 06:42:03 UTC (7,600 KB)
[v2] 星期五, 2025 年 7 月 4 日 17:25:14 UTC (7,554 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.RO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs
cs.AI
cs.CV

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号