ICRA 2025｜清华x光轮：自驾世界模型生成和理解事故场景

aixiv专栏持续报道全球顶尖ai研究成果，已收录2000余篇来自高校和企业实验室的学术技术文章，助力学术交流与传播。欢迎投稿或联系报道，邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

自动驾驶技术飞速发展，但复杂交通环境下的事故理解和预防仍是巨大挑战。例如，特斯拉FSD在中国市场的表现引发热议，其频繁违规行为凸显了现有方法的局限性。 事故数据稀缺也限制了自动驾驶系统应对突发事件的能力。

为此，光轮智能（Lightwheel）联合清华、香港科技大学等高校研究团队，研发了AVD2（Accident Video Diffusion for Accident Video Description）框架，提升自动驾驶事故场景的安全性能。

AVD2是一个创新的事故视频生成与描述框架，通过生成与自然语言描述高度一致的事故视频，增强对事故场景的建模能力。 团队同时贡献了EMM-AU（Enhanced Multi-Modal Accident Video Understanding）数据集，推动事故分析和预防研究。

• 项目主页：https://www.php.cn/link/42c88875bb90aeed57f01609fef5d9d7
• 论文：https://www.php.cn/link/23a5e8ae2bcc6237b3247af61d18b8e2
• EMM-AU数据集：https://www.php.cn/link/8217a05f48b7299703840cf2beb6b4bb
• 代码：https://www.php.cn/link/e633725b1ff30de3c9fd8212087f931b

AVD2框架架构

AVD2框架由视频生成和事故分析两部分组成。视频生成部分利用Open-Sora 1.2模型，通过两阶段微调，基于MM-AU数据集预训练，再用2000个真实事故视频进行精调，生成高保真事故视频。 为了提升视频质量，采用RRDBNet模型进行超分辨率处理。

事故分析部分结合视频理解和自然语言处理技术，完成两个任务：

1. 车辆行为描述和原因分析（及规避方法）： 生成描述车辆行为的句子和原因解释，并提出规避事故的建议。
2. 多任务学习与文本生成： 使用Vision-Language Transformer进行多任务学习，联合训练行为描述和原因解释（预防措施）任务，提高整体性能。 SCST机制优化文本生成质量。

Symanto Text Insights

基于心理语言学分析的数据分析和用户洞察

84

查看详情

实验结果与可视化

AVD2在多个评测指标上优于ADAPT框架。下图展示了AVD2在不同数据集上的性能对比：

下图展示了AVD2对事故场景的可视化分析结果：

未来，研究团队将继续优化AVD2框架，并将其应用于光轮智能的自动驾驶系统中，推动自动驾驶技术的安全落地。

参考文献:

• Atakishiyev et al., 2023
• Jin et al., 2023
• Fang et al., 2024

以上就是ICRA 2025｜清华x光轮：自驾世界模型生成和理解事故场景的详细内容，更多请关注php中文网其它相关文章！