让场景图学会跨域判断,自动驾驶不再“看背景猜风险”

本文关注安全关键场景中自动驾驶模型的稳健泛化问题。现有深度学习方法虽然在训练分布内表现突出，但常通过高维隐空间学习到脆弱的统计捷径，例如把风险与天气纹理、背景共现或传感器噪声错误关联，从而在分布外环境中出现性能退化。场景图原本被认为能够通过“节点-关系”的显式结构把交通参与者与环境背景解耦，为风险评估、碰撞预测等任务提供更可解释的表达；早期规则式场景图依赖人工语义规则、几何关系和地图拓扑，可解释性强但灵活性不足；随后 RS2G、HDGT、ISG 等数据驱动方法借助检测器、关系编码器和图神经网络从数据中学习节点与交互关系，提升了大规模关系推理能力，却仍主要依赖统计共现而非因果机制，因此易受虚假相关、传感器扰动和域偏移影响。近期知识引导与因果启发的场景理解方法（如 HKTSG、DSceneKG、MCAM、DDLoss 等）尝试引入语义先验、结构约束或因果推理，但多数仍依赖固定因果先验、手工规则或后验校正，缺少把不确定性作为“虚假关系过滤器”的机制，因而难以显式分离稳定物理交互与短暂环境噪声。图1展示了这一问题：上方部分说明基于隐表示或稠密图的方法在分布外输入下会保留环境驱动的密集边，使模型依赖背景共现等捷径；下方部分展示 CURVE 通过软因果后门调整与不确定性驱动的稀疏化，将环境原型、因果调整和结构剪枝结合起来，形成稀疏且更稳健的场景图拓扑。

图1

1. 方法描述

CURVE 的方法首先以结构因果模型刻画自动驾驶场景图的生成过程，将环境域 e 视为外生变量，并把潜在因素分为不变因果因素 zc 与虚假环境依赖因素 zs：前者对应目标几何、运动学和空间拓扑等跨域稳定的物理真实，后者对应光照、天气纹理和传感器噪声等随环境变化的干扰。理想目标是学习场景图编码器 Φ，使得到的交互表示尽可能保留 zc 信息并压缩 zs 信息；由于真实潜变量不可辨识，作者将其转化为跨域稳定表示学习问题。在实现上，CURVE 首先构建变分场景图生成模块，将显式场景图 S=(V,R) 中的实体节点和成对关系建模为高斯后验分布，其中关系嵌入的标准差 σij 表征由环境变化引起的数据依赖不确定性；低方差关系通常对应稳定物理机制，而高方差关系更可能代表环境敏感或虚假关系。随后，模型引入不确定性感知的软因果干预：使用可学习环境原型字典 C 近似连续混杂空间，对每个关系嵌入计算其与各环境原型的匹配概率，并聚合得到环境条件偏置，再由不确定性门控函数调节干预强度，对高不确定关系进行选择性残差校正，以削弱环境混杂影响而不破坏高置信、因果一致的交互。接着，模型通过可微结构学习把校正后的关系映射为置信分数，结合自适应阈值与每个节点 Top-K 策略进行剪枝，得到稀疏场景图，避免弱的环境共现关系在推理中传播；在图推理阶段，CURVE 使用反方差权重调节 RGCN 消息传递，降低高方差关系的影响，并进一步通过 LSTM 聚合时间序列，最终由 MLP 输出碰撞风险及其不确定性。训练目标由风险预测损失、不确定性校准损失、原型多样性损失和 KL 正则化共同组成，以同时约束预测准确性、置信度可校准性、原型不塌缩以及变分不确定性不过度膨胀。图2概括了整体框架：输入观测经编码器形成纠缠概率场景图，模型借助可学习环境原型和关系不确定性实施软干预，再通过可微剪枝去除虚假相关，输出用于稳健推理的稀疏因果一致图。

图2

2. 研究结果总结

实验围绕三个问题展开：学习到的稀疏因果结构是否能提升未见域泛化能力，所提出模块是否对捕获真实稳定拓扑不可或缺，以及模型是否适用于安全关键任务中的可靠预测。作者将下游任务设定为自动驾驶中的序列级二分类碰撞风险评估，在 RS2G 框架内实现 CURVE，仅替换拓扑构建和关系学习部分，以保证主干、数据划分和训练协议公平一致。实验使用 CARLA-SR 作为源域训练与分布内测试集，DeepAccident 作为零样本仿真 OOD 测试集，DoTA 作为仿真到真实低标注适应数据集，并使用准确率、AUC、MCC 衡量风险预测，使用平均度、平均边数和边数标准差衡量拓扑稀疏性与稳定性。表1显示，在 CARLA-SR 到 DeepAccident 的零样本迁移中，CURVE 获得最高 OOD AUC（71.15）和最佳 OOD 准确率（68.13），同时将平均节点度降至 5.78、平均边数降至 44.80，说明它不是简单依赖稠密聚合，而是在保留域稳定交互骨架的同时显著剔除了环境驱动的冗余边。

表1

图3进一步可视化了这一点：相比 RS2G 在 ID 和 OOD 场景中均保留大量冗余连接，CURVE 的边更集中于关键交通参与者及其有效交互；在仿真到真实适应中，CURVE 在零样本条件下已优于基线，并且仅使用 5% 真实标注即可达到接近全监督 oracle 的 AUC，体现了稀疏结构的可迁移性和标注效率。

图3

表2的消融实验表明，去除原型条件干预会使 OOD MCC 从 35.07 降至 25.77，说明混杂校正是保持语义不变性的关键；去除不确定性引导后平均度从 5.78 激增到 76.61，说明不确定性是过滤环境虚假边、实现结构稀疏化的核心。

表2

图4的 t-SNE 特征可视化显示，模型学习到的潜在空间呈现从稳定安全状态、临界转变到不可避免碰撞状态的连续风险演化流形，表明 CURVE 捕获的是事故风险累积的物理过程，而不是独立静态帧中的表面模式。

图4

图5从鲁棒性与可靠性两个角度验证模型：在输入几何特征加入不同强度高斯噪声时，CURVE 的性能下降更缓慢；同时其正确与错误预测的归一化不确定性分布明显分离，且这种分离在零样本域偏移条件下仍保持，说明模型能够在安全关键场景中对错误预测给出更高不确定性，具备更好的风险感知和校准能力。

图5