当开车遇到变道、加塞等场景时，驾驶员往往会下意识地激活自己的“安全驾驶思维”，从而做出激进的规避行为。

与之类似，自动驾驶汽车在上述场景中，更会表现得像个谨小慎微的”新手司机”，这是因为模型的决策往往依赖于工程师预设的固定规则，进而导致“不求无功，但求无过”的驾驶风格，但过多的无故急刹、过度避让反而会引发额外的安全隐患。

针对上述问题，来自香港大学、英伟达和德国图宾根大学的联合团队提出Centaur（Cluster Entropy for Test-time trAining using UnceRtainty）方法，能够动态地改善驾驶策略，通过在线的数据驱动，摆脱了对预设规则的依赖，大幅提高了自动驾驶汽车在不确定性场景中的适应性与安全性。

Centaur在测试推理过程中动态地调整模型权重，适应OOD场景，提升泛化能力。模型利用Cluster Entropy作为自监督信号，并首次将Test-Time Training（TTT）应用于端到端自动驾驶，避免手动规则和成本函数，实时减少不确定性并改进预测，借由在线数据驱动实现了轨迹预测的可扩展性。

论文已上传arXiv，代码、checkpoint等即将开源。

驾驭不确定性

通常来说，模型是如何衡量自己输出不确定性的？一种直观的方法是观察模型输出的分布状态，并基于“固定采样下，模型的输出方向越集中，越逼近模型的最高置信度”的假设，来计算模型输出的聚类程度，从而侧面衡量出模型输出的不确定性。

Cluster Entropy 通过轨迹采样、聚类和熵计算来评估自动驾驶模型的不确定性。相比传统的方法，它结合了直行、轻微右转、剧烈右转、轻微左转和剧烈右转的行为聚类，使得不确定性估计更具可解释性。例如，当模型面对复杂的交叉路口时，Cluster Entropy 能直观反映不同驾驶决策的不确定性，从而帮助优化自动驾驶系统的安全性。

边行驶边进化

TTT在推理过程中利用Cluster Entropy作为自监督目标，通过梯度优化让模型自适应地调整特征表征，从而提升对OOD场景的适应能力。

具体而言，模型通过计算Cluster Entropy，判断当前环境的OOD级别。如果模型对当前环境的理解较差，则触发TTT训练过程，通过梯度下降对特征提取网络进行小幅度更新，使其更适应当前环境特征分布。这一方法使得Centaur能够在推理时自适应地优化自身，在OOD场景中保持稳定的感知和驾驶能力，而无需依赖固定规则或人工设计的成本函数。

实测接近人类驾驶水平，安全性能全面提升

在navtest基准测试中，Centaur的综合规划与驾驶指标得分（PDMS）取得了92.6%的成绩，远远超过了基于回退的方法，并接近人类驾驶水平 。此外，Centaur在碰撞避免和碰撞时间等关键指标上亦表现出卓越的性能。

为了更好地评估自动驾驶系统在安全关键场景中的表现，我们提出了navsafe数据集，专门用于测试端到端驾驶方法的安全性和鲁棒性。它基于navtest，并结合了真实的事故数据，通过细粒度的评分机制，量化了自动驾驶模型的不同驾驶能力，而不像navtest 只提供整体分数。

此外，Cluster Entropy作为不确定性度量工具，实现了PDMS的显著提升，并在失败检测任务中， 取得了最佳结果。

论文地址： https://arxiv.org/abs/2503.11650