论文
持续关注:自动驾驶中的基准测试和桥接外观鲁棒性
The Constant Eye: Benchmarking and Bridging Appearance Robustness in Autonomous Driving
摘要
尽管进展迅速,但自动驾驶算法在分布外(OOD)条件下仍然脆弱。我们发现当前研究中一个严重的脱钩失败:基于外观的变化(例如天气和照明)与结构场景变化之间缺乏区别。这就留下了一个没有答案的基本问题:规划者的失败是因为复杂的道路几何形状,还是仅仅因为下雨?为了解决这个问题,我们建立了 navdream,一个利用生成像素对齐风格传输的高保真鲁棒性基准。通过创建几何偏差可忽略不计的视觉压力测试,我们隔离了外观对驾驶性能的影响。我们的评估表明,即使底层场景结构保持一致,现有的规划算法在 OOD 外观条件下通常也会表现出显着的退化。为了弥补这一差距,我们提出了一种利用冻结视觉基础模型(DINOv3)的通用感知界面。通过提取外观不变特征作为规划器的稳定接口,我们在不同的规划范式(包括基于回归、基于扩散和基于评分的模型)中实现了出色的零样本泛化。我们的即插即用解决方案可在极端的外观变化下保持一致的性能,而无需进一步的 微调。基准测试和代码将可供使用。