使用视觉语言模型进行自动驾驶的局部化保形安全监测

arXiv:2610.02765v1 公告类型：cross 摘要：监测规划的驾驶轨迹需要准确估计与交通参与者发生碰撞的可能性，而这些参与者的运动本身也会受到自车运动的影响。现有的经典方法通常受限于其预测模型的质量。视觉语言模型（VLMs）在推理高层动作后果方面展现出良好潜力，但其近似预测并不适用于自动驾驶等安全关键型应用。保形预测（CP）已成为一种基于数据量化黑盒模型预测不确定性的框架。我们提出 Split Label-Localized Conformal Prediction（SLLCP），这是一种作用于冻结 VLM 的事后校准层，可将其不可靠的预测转换为经过概率校准的安全预测集。我们研究了安全估计能力如何取决于观测到的驾驶场景，并引入一种局部化过程，在计算不确定性阈值时提高相关历史经验的权重。在可交换性条件下，我们提供了标签条件的有限样本分布无关覆盖保证。在从未见过的场景中的 15k 条 CARLA 轨迹上进行评估时，SLLCP 使用 Qwen 主干网络正确标记了 89.6% 的致碰撞轨迹，使用 Cosmos 主干网络正确标记了 88.4%；相比之下，基础 VLM 分别仅标记出 4.6% 和 39.1% 的致碰撞轨迹。这些结果表明，局部化的标签条件校准能够减少漏检的不安全轨迹。