研究提出动作条件VLM方法监测自动驾驶异常行为

Daniel Adejumo 等在 arXiv 论文 2611.07540 中提出一种动作条件化的自动驾驶行为监测方法：VLM 先从隐藏结局的视频窗口预测场景所需动作，再与自车实际运动轨迹按显式兼容规则比较，判断执行动作是否恰当。 在来自 15 个场景族的 235 段视频（固定 T-2.5 秒窗口）上，该两阶段方法取得 83.0% 准确率、0.773 异常召回，优于单阶段纯视频基线的 74.5% 和 0.536。研究团队还贡献了涵盖两种失效极性的 112 个配对场景六字段分类（其中 42 个源自已记录事故）、带估计轨迹的生成视频语料，以及在该语料上的探索性两阶段监测器。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。