超越蜂鸣声：使用 BADAS-2.0 实现可扩展的碰撞预期和实时可解释性

我们推出了 BADAS-2.0，这是我们的第二代碰撞预测系统，它建立在 BADAS-1.0 的基础上，这表明 微调 V-JEPA2 在大规模以自我为中心的行车记录仪数据上的表现优于学术基线和生产 ADAS 系统。 BADAS-2.0 沿着三个轴推进了最先进的技术。 (i) 长尾基准和准确性：我们针对罕见和安全关键场景引入了 10 组长尾基准。为了构建它，BADAS-1.0 被用作一个活跃的预言机，对数百万个未标记的驱动器进行评分，并显示高风险候选者进行注释。结合 Nexar 的 Atlas 平台进行有针对性的数据收集，这将数据集从 40k 扩展到 178,500 个标记视频（约 200 万个剪辑），在所有子组中产生一致的收益，并且在最困难的长尾案例上取得了最大的改进。 (ii) 知识蒸馏 到边缘：2.25M 无标签驾驶视频上的特定领域自监督 预训练 使 蒸馏 能够成为紧凑模型、BADAS-2.0-Flash (86M) 和 BADAS-2.0-Flash-Lite (22M)，以接近奇偶校验的精度实现 7-12 倍的加速，从而实现实时边缘部署。 (iii) 可解释性：BADAS-2.0 生成实时的以对象为中心的注意力热图，定位预测背后的证据。 BADAS-Reason 通过视觉语言模型对此进行了扩展，该模型使用最后一帧和热图来生成驾驶员操作和结构化文本推理。推理代码和评估基准是公开的。