Autonomous Vehicles
PulseAugur coverage of Autonomous Vehicles — every cluster mentioning Autonomous Vehicles across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
AI研究解决自动驾驶汽车远程操作服务质量预测中的概念漂移问题
本文介绍了一个用于预测自动驾驶汽车远程操作服务质量（QoS）的框架，重点关注上行链路数据速率和往返延迟。所提出的方法旨在通过将历史数据整合到预测流程中，来缓解由概念漂移引起的机器学习模型性能下降。此外，还提出了一个用于关键场景检测的指标，以专门评估远程操作预测性能。
-
新框架简化自动驾驶汽车决策
研究人员开发了一个新的框架，使用 alpha-势博弈来解决异构自动驾驶汽车之间的去中心化决策问题。该方法通过将近似纳什均衡的计算简化为最小化单个辅助函数来简化计算。该框架确立了最小化器的存在性，并表征了均衡近似误差，同时还提供了提高精度和导出社会效率保证的方法。数值实验验证了其在避碰、变道和交叉口通行等场景中的有效性。
-
新的COSTER框架增强了自动驾驶汽车安全场景生成
研究人员开发了一个名为COSTER的新框架，用于为自动驾驶汽车训练生成安全关键的交通场景。COSTER利用学习到的交通先验知识来识别可能发生的碰撞时间和地点，然后从碰撞快照向后重建车辆轨迹。该方法在合理性、多样性和数据效率方面优于现有方法，在Waymo开放运动数据集上使用COSTER生成的场景训练的智能体碰撞率降低了31%。
-
基于脑电图的系统解码自动驾驶汽车的乘客危险感知
研究人员开发了一个新的框架，使用脑电图（EEG）来解码乘客的认知状态，以提高高度自动化车辆的安全性。该系统称为乘客认知模型（PCM），集成了3D卷积循环神经网络（3D-CRNN），通过分析乘客的神经反应来预测风险和识别危险。该框架表现出强大的性能，在风险预测方面实现了95.3%的平衡准确率，并将危险识别准确率提高到85.0%。该系统在不同会话和受试者之间也显示出良好的泛化能力，表明其在未来自动驾驶汽车的决策和安全功能中具有辅助监督的潜力。
-
太阳风暴引发对美国GPS维护和自动驾驶汽车安全的担忧
最近的一次太阳风暴引发了对全球定位系统（GPS）可靠性的担忧。有人猜测，未来可能会出现法律诉讼，声称事故的发生是由于美国未能充分维护其GPS基础设施。这个问题在高度依赖精确GPS数据的AI和自动驾驶汽车领域尤为重要。
-
研究人员跨网络、AV领域测试弱信号AI架构
一位研究人员正在探索一种新颖的弱信号架构，该架构跨越包括网络安全和自动驾驶汽车在内的多个领域。核心概念是包含一个有界分类层，在不确定的发现升级为强结论或警报之前引起注意。这种方法旨在处理在尚未需要明确响应的领域中的早期异常，研究人员正在寻求反馈和合作。
-
自动驾驶汽车中的LLM继承了行人让行方面的偏见
一项新的基准研究表明，自动驾驶汽车（AVs）中使用的大型语言模型（LLMs）和视觉语言模型（VLMs）继承了人类的偏见。这些模型在行人让行决策中表现出歧视性行为，根据种族、性别、宗教、残疾、年龄、肤色和社会经济地位等因素进行区别对待。研究强调了不同模型中普遍存在的偏见模式，引发了对当前使用通用“常识”模型进行AV决策范式的担忧，并强调了偏见缓解策略的必要性。
-
新型攻击利用自动驾驶汽车传感器校准
研究人员开发了一种针对自动驾驶汽车在线校准系统的对抗性校准攻击（ACA）。该攻击利用了车辆检测和纠正传感器失准（例如摄像头和激光雷达之间）的过程。通过使用特制的对抗性海报，ACA可以欺骗车辆接受错误的校准数据，导致感知错误，并可能引发碰撞。该攻击已被证明能在基准数据集上引起显著的校准误差，并在物理机器人上成功复现。
-
FrameScope框架增强自动驾驶汽车的持续学习能力
研究人员开发了FrameScope，一个旨在改进自动驾驶汽车持续学习的新框架。FrameScope利用时间数据评估，将神经切线核理论扩展到时间域，以识别和选择这些车辆产生的海量视觉数据流中的高价值帧。这种方法允许在车上进行有原则的帧选择，减少了将所有数据传输到云端进行标记的需要，从而降低了带宽要求。实验表明，FrameScope在样本效率方面优于现有方法，并能减轻自动驾驶汽车感知系统中的灾难性遗忘。
-
研究发现：大型语言模型在自动驾驶汽车中继承了人类偏见
一项新的基准研究表明，用于自动驾驶汽车的大型语言模型（LLM）和视觉语言模型（VLM）继承了人类的偏见。研究人员发现，这些模型在行人让行决策中表现出歧视性行为，其决策受到种族、性别、宗教、残疾、年龄和社会经济地位等因素的影响。研究结果引发了对“常识”模型范式的担忧，并强调了在自动驾驶汽车的AI系统中解决下游偏见的必要性。
-
面向边缘部署的视觉生成式AI需要软硬件协同设计
一篇新发表在arXiv上的观点论文讨论了面向视觉的生成式AI模型的演进和未来。作者认为，尽管目前的进展集中在输出质量上，导致硬件被动适应大型模型，但迫切需要一种软硬件协同设计的方法。这种方法将确保生成式AI模型在开发时就考虑到部署限制，使其在自动驾驶汽车和移动设备等边缘应用中可持续且易于访问。
-
人工智能的崛起促使全球基础设施为机器智能重新设计
人工智能模型日益增长的能力正促使人们重新评估人类社会的结构方式，包括数字和物理层面。Dario Amodei 和 Elon Musk 等专家认为，人工智能可能很快就会超越人类智能，从而需要为机器使用而设计的基础设施。这种转变可能导致城市规划发生重大变化，例如由于自动驾驶汽车而减少停车需求，以及将机器人通道整合到建筑物和公共空间中。
-
新的离群检测方法提升自动驾驶汽车安全性
研究人员开发了一种名为模式感知CUSUM的新方法，用于检测自动驾驶汽车中的离群（OOD）场景。该方法专门针对轨迹预测错误，这些错误可能会绕过帧级安全检查。该系统模拟多种错误模式，并根据驾驶环境调整检测阈值，以减少检测延迟和误报。
-
互联AI汽车有望消除交通拥堵
互联AI汽车，也称为互联自动驾驶汽车（CAVs），有潜力消除交通拥堵并改善城市交通。通过利用AI进行决策以及车辆之间（V2V）和车辆与基础设施之间（V2I）的实时通信，CAVs可以协调行驶、保持最佳车距并预测交通流量以主动重新规划路线。这个合作驾驶网络旨在用无缝的、水流般的交通取代走走停停的交通，从而显著减少人为错误和基础设施限制造成的延误。
-
新的AI测试平台推出，用于城市导航和多智能体协调
推出了两个新的研究平台Lingjing和360CityArena，以推进具身智能在复杂的城市环境中的应用。Lingjing专注于无人机和自动驾驶汽车等异构智能体的多智能体协调，为自然语言任务和详细的故障分析提供了一个测试平台。360CityArena提供了一个用于城市导航的逼真基准，使用真实世界的360度视频数据来评估智能体在从地标搜索到空间推理等任务上的表现。这两个平台都突显了当前AI在真实城市导航和任务执行能力方面面临的重大挑战。
-
新论文探讨人工智能驱动的网络物理系统中的技术债务
一篇新论文探讨了人工智能密集型网络物理系统（AI-CPS）中特有的技术债务。这些系统应用于自动驾驶汽车和医疗保健等领域，结合了硬件、人工智能和传统软件，从而产生了专门的技术债务。该研究旨在描述这种 AI-CPS 技术债务的特征，开发识别方法，并提出缓解策略，可能通过支持代理式人工智能解决方案的自动化工具来实现。
-
NVIDIA 发布 Alpamayo 2 Super 用于自动驾驶汽车，提供商业开放使用 · 追踪 4 个来源
NVIDIA 发布了 Alpamayo 2 Super，这是一款专为机器人出租车和自动驾驶汽车设计的新型开源模型。该模型基于 NVIDIA Cosmos 3 Super Reasoner 构建，并通过强化学习得到增强，旨在改进自动驾驶系统处理复杂、罕见场景的方式。Alpamayo 2 Super 可在宽松的商业许可下使用，允许开发人员为其生产用途进行改编和部署，并在 LingoQA 等基准测试中展现出领先性能，优于 Gemini 2.…
-
视觉语言模型增强自动驾驶汽车GNSS欺骗检测能力
研究人员开发了一种新颖的方法，通过将视觉语言模型（VLM）与车内传感器数据相结合，来检测自动驾驶汽车中的全球导航卫星系统（GNSS）欺骗攻击。该方法融合了前置摄像头视觉信息以及速度和加速度等传感器读数，以识别车辆操控中的差异。该系统经过了三阶段的微调，并在阿拉巴马州塔斯卡卢萨收集的真实世界数据集上进行了验证，证明了在检测准确性方面的显著提高，尤其是在错误转弯和停止攻击方面。
-
新框架利用LLM保护6G元宇宙中自动驾驶汽车的位置隐私
一篇新研究论文提出了一个框架，用于保护在6G赋能的车联网元宇宙中运行的自动驾驶汽车（AV）的位置隐私。该方法结合了现实世界中的连续位置扰动与虚拟环境中的离散、注重隐私的AI代理迁移。为了量化隐私，引入了一种称为跨现实位置熵的新指标，该指标有助于优化行动，以平衡隐私、服务延迟和服務質量。研究人员开发了一种新颖的LLM增强混合扩散近端策略优化（LHDPPO）算法来解决复杂的优化问题，并在实验中证明了其有效性。
-
新的MAPS架构增强了交叉路口自动驾驶汽车的协调能力
研究人员开发了主代理原型规划系统（MAPS），这是一种新颖的层次化深度强化学习架构，旨在改善无信号灯交叉路口自动驾驶汽车之间的协调。MAPS利用一个集中的主代理生成紧凑的“原型计划”嵌入，然后由去中心化的工作代理将其与本地观测结合起来进行车辆控制。这种方法有效地将战略意图与战术执行分离，允许独立模块优化。在HighwayEnv模拟中的评估表明，MAPS能够实现无碰撞导航并显著减少行程时间，其性能优于现有方法，并且在比初始训练时更多的代…