研究人员推出了 AUTOPILOT-VQA，这是一个新的视觉问答（VQA）基准，旨在评估视觉-语言模型对行车记录仪视频中关键安全事件的推理能力。该数据集利用基于真实驾驶场景的结构化问题，来评估模型超越简单物体识别的能力。

  • 该基准涵盖了多种与安全性相关的类别，包括天气、光照、道路布局、标志牌以及事故可避免性。
  • 它要求模型回答关于上下文场景属性和特定事件级事故细节的有据可依的问题。
  • 这种方法将重点转向为自动驾驶系统提供基于时间且具备安全意识的推理。
  • 该数据集作为 AUTOPILOT CVPR 2026 竞赛的一部分发布，以提供标准化的评估工具。

作者认为这很重要，因为它支持开发更可解释、更稳健的视觉-语言系统，用于现实世界的自动驾驶。