近日，嬴彻科技团队发布的论文《ESP-Dataset: Extro-Spective Prediction for Long-term Behavior Reasoning in Emergency Scenarios》成功入选顶级国际会议ICRA 2024。针对极限加塞/切入（cut-in）、抢道下匝道等危险场景，论文提出了一种新的基于车辆间交互信息及宏观语义信息的推理和预测方法，加强了自动驾驶预决策的智能性和预见性，可大幅提升自动驾驶的安全性。

机器人与自动化国际会议ICRA（International Conference on Robotics and Automation）是机器人领域最有影响力的国际学术会议之一，由国际电气与电子工程师学会（IEEE）主办，汇聚了全球顶尖高校、科研机构及创新企业的人才，展示最前沿的机器人产品及研究成果。

极限切入等危险场景的复杂性和不可预见性一直是自动驾驶技术发展的主要挑战之一。传统的预测算法在面对这些场景时往往表现不佳，当自动驾驶车辆等到它车的轨迹发生模态上的变化时再做响应会产生重刹甚至碰撞，需要更早地做出预测以避免风险。 

嬴彻科技团队重新审视了极限切入等危险场景发生的原因，发现这些长尾场景(corner case)背后隐藏的宏观语义信息往往非常重要，如它车要下匝道、躲避锥桶、超前方慢车等。人类司机在这些场景中有很强的语义关联能力和因果推理能力，而现有SOTA的自动驾驶预测算法与人类司机相比还有很大的差距。这种差距一方面因为算法模型结构较难编码语义信息，另一方面是缺乏包含了宏观语义信息的大规模数据集。

为了解决这一问题，嬴彻研究团队制作了一个包含12万多个正负样本的危险场景数据集。此外，论文重新审视了预测算法的评估指标，并提出了适用于长尾危险场景的新指标，如时间尺度的指标（cte），以精确评估危险场景下每个时刻决策响应的影响，能更全面地评估算法性能。在论文中，研究团队还提出了一种新的网络模块，用于对车辆间交互信息及宏观语义信息等外部因素(extro-spective)进行编码，进一步提升了现有预测算法的性能。

此外，这种编码方式能无缝接入大语言模型（如ChatGPT）。结合真实商业运营积累的危险场景数据集和海量数据训练的GPT，基于该方案的算法不仅具有很高的安全性，同时更接近人类司机的思维方式。

论文在填补了当前面向预决测的自动驾驶危险场景数据空白的同时，有效地提升了网络性能以应对极限切入等场景，为自动驾驶系统的安全性和可靠性提供了新的思路和方法。相关研究成果已应用在嬴彻科技的自动驾驶系统中，是嬴彻完善、缜密的系统化安全设计的重要一环，将持续推动自动驾驶安全能力的提升。

关于嬴彻科技

嬴彻科技是一家自动驾驶技术和运营公司，业务聚焦干线物流，坚持“全栈自研+量产驱动+深度运营”的核心策略，自主研发全栈L2-L4级自动驾驶技术，与汽车产业紧密合作，旨在为物流客户提供更安全、更高效、更环保的自动驾驶技术以及新一代TaaS货运网络。自2021年底嬴彻科技与主机厂伙伴成功量产智能重卡至今，嬴彻卡车NOA（导航辅助驾驶）已安全运营超8000万公里，并成功覆盖全国高速干线。其安全、省人、省力、省油的价值得到头部物流客户的广泛认可，实现了卡车智能驾驶的大规模商业化运营，并持续增长中。