CUSP：用视觉基础模型和生存风险累积提前预警越野导航危险

越野导航使机器人在途中面临潜在的危险地形。尽管基于学习的导航使用安全监督来选择行驶路径，但当遵循该路径的机器人陷入危险时，它不会提供运行时警报。此类警报必须从现场日志中获知，其中人为干预会抢先发生故障，因此永远不会观察到故障本身。人类很早就判断驾驶不安全，但通常只有在明显接近故障时才会进行干预，因此干预标志着该判断较晚。早期的判断是运行时警报必须检测到的，但之前的干预监督方法没有针对它。为了解决这个问题，我们引入了 CUSP（CUSUM 控制的感知起始生存模型），这是一种与模型无关的运行时危险警报，可以从干预终止的日志中了解这一时刻。 “尖峰”一词是指一种状态即将转变为另一种状态的点，而我们瞄准的时刻正是这样的尖点：在人类的判断中，安全驾驶变成不安全的点。我们将此点称为感知起始点，并将其与干预分开注释。视觉危险头根据离散时间生存目标对标注的发作进行训练，以便在有发作和无发作的情况下驾驶都对头部进行监督，并且 CUSUM 将预测的发作风险累积到警报中。我们在五个看不见的站点（两个自主站点和三个远程操作站点）评估了 CUSP，涉及 142 个事件，每种方法都调整为每小时 10 个误报的相同速率。 CUSP 检测到了 85 个事件，而九个适应基线中最好的事件检测到了 26 个事件，而余量来自于导航模型中的每个信号都看不见的危险。