ExceptionDrive：面向规划的自动驾驶反事实极端案例基准

日常驾驶基准的平均表现并不能证明规划者在罕见的、安全关键的危险情况下的可靠性。我们提出了 ExceptionDrive，这是一个反事实规划基准，它使用 VLM 辅助筛选、本地化多视图编辑和质量审核，将危险插入真实的 nuScenes 场景中，同时保留其背景。其 21 项任务涵盖六个安全系列，并定义危险或冲突区域、当地安全限制和可接受的响应。由于危险插入可能会使记录的人类轨迹无效，因此我们的无参考协议使用不安全率 (UR)、危险清除合规性 (HCC)、危险邻近响应 (HPR) 和反事实轨迹偏移 (CTS) 来评估编辑后的预测，这些预测可测量核心区域入侵、间隙合规性、相对于规定边际的间隙以及反事实轨迹变化。七名有代表性的规划人员经常闯入危险区域或提供不充分的许可。我们还开发了一个提醒Agent，无需特定于样本的任务标签，即可将视觉证据和共享分类转换为危险存在、类型和推荐的高级策略的结构化记录。Agent既不预测轨迹也不控制车辆；它的记录指导基于 VLM 的决策Agent。在零样本实验中，提醒可以提高策略准确性并减少警告不足的情况。