预印本论文将稀疏自编码器潜变量与自动驾驶规划器的路线意图联系起来

由 WORLDTECH 译自英文。事实、数字、名称和来源均与英文原文一致。 English

首次报道 11月2日 05:00 UTC来源：arXiv Robotics (cs.RO)最近编辑更新 11月2日 05:00 UTC发表评论 ↓

一篇arXiv预印本指出，端到端自动驾驶规划器虽然表现出色，但大体上仍不透明，并提出了一种从内部探查这些模型的方法。作者称，对稀疏自编码器潜变量进行无监督分析，可以揭示与驾驶行为相关的结构。

作者的主要结论

arXiv摘要称，端到端自动驾驶模型在规划方面表现强劲，但在很大程度上难以被检视，作者认为这一局限既削弱了可观测性，也影响了信任。作者表示，他们对稀疏自编码器潜变量进行的无监督聚类，得出的结构与路线意图、车速和制动行为相匹配，并以98.3%的准确率恢复了路线意图。

该预印本归入arXiv的机器人学类别，并已被2026年机器人学习大会（Conference on Robot Learning，CoRL）接收。

据作者介绍，调整单个潜变量会使规划器输出产生可预测的单调变化，影响横向位移、曲率和制动。研究附有代码和可视化材料。

所有结果均为作者在arXiv摘要中提出的主张，本报道仅依据这一单一来源，未作独立核实。摘要未说明得出这些数据所用的驾驶模型、数据集和条件，因此准确率和转向结果只能按摘要所述的程度理解。

关键事实

一篇arXiv预印本提出了一种考察端到端自动驾驶模型的方法。

对稀疏自编码器潜变量进行无监督聚类，可以以98.3%的准确率恢复路线意图。

聚类得到的潜变量与路线意图、车速和制动行为相吻合。

调整单个潜变量会使规划器输出产生可预测的单调变化。

报告提及的变化包括横向位移、曲率和制动。