RiskWorld：用于自动驾驶风险识别的以对象为中心的潜在世界建模

自动驾驶风险识别旨在确定哪个观察对象可能对自动驾驶车辆的安全至关重要。现有方法通常预测场景级事故，从自我行为间接推断风险对象，或在轨迹预测后应用几何检查，而不直接使用预测的自我-对象关系进行风险源定位。我们提出了RiskWorld，一种以对象为中心的潜在世界模型，它从每个候选者相对于自我车辆的想象演化中识别风险。 RiskWorld 将预先训练的预测视频表示与结构化的自我对象历史相结合，将观察到的交互置于上下文中，并使用 RSSM 式的潜在动态将关系感知对象状态滚动到未来。它将预测轨迹解码为对象级风险评分，并得到辅助未来关系和时间风险预测的支持。推理仅使用截至当前时间的观察结果，而记录的未来提供训练监督。在RiskBench上，RiskWorld取得了63.0%的最佳整体F1和2.1%的最低误报率。进一步的分析表明，学习的预测轨迹捕获了关键事件之前对象级风险的演变，而 RiskWorld 的选择则在过滤观察下保留了计划关键信息。