Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

Una política de difusión basada en el conocimiento para la conducción autónoma de extremo a extremo basada en rutas expertas

Created by
  • Haebom

Autor

Chengkai Xu, Jiaqi Liu, Yicheng Guo, Peng Hang, Jian Sun

Describir

Este artículo propone una política de difusión basada en el conocimiento (KDP) para abordar los desafíos de la generación de acciones multimodales, la estabilidad temporal y la generalización en diversos escenarios de la conducción autónoma integral. KDP integra el modelado de difusión generativa y un mecanismo de enrutamiento mixto de expertos dispersos para generar secuencias de acción multimodales temporalmente consistentes y activar expertos especializados y reutilizables según el contexto, lo que permite la construcción modular de conocimiento. Los resultados experimentales en diversos escenarios de conducción demuestran que KDP logra mayores tasas de éxito, menores riesgos de colisión y un control más fluido que los métodos existentes. Análisis posteriores confirman la eficacia de la activación de expertos dispersos y la estructura principal del Transformer, así como la especialización estructural y la reutilización de expertos entre escenarios. Estos resultados demuestran que el modelo de difusión con enrutamiento de expertos es un paradigma escalable e interpretable para la conducción autónoma integral.

Takeaways, Limitations

•
Takeaways:
◦
Mejoramos el rendimiento de la conducción autónoma de extremo a extremo combinando un modelo de difusión generativa y un mecanismo de enrutamiento mixto de expertos dispersos.
◦
Mejoramos la generalización en diversos escenarios a través de la consistencia temporal, la generación de comportamiento multimodal y la organización modular del conocimiento.
◦
Validamos experimentalmente la efectividad de la activación de expertos dispersos y la columna vertebral del Transformer.
◦
Las estructuras de modelos interpretables permiten el análisis de la especialización de expertos y los patrones de reutilización.
•
Limitations:
◦
Existe una falta de validación del método propuesto en aplicaciones del mundo real.
◦
Existe la posibilidad de sobreajuste para ciertos escenarios.
◦
Se necesita más investigación sobre cómo determinar el número y el tipo de expertos.
◦
Los costos computacionales pueden ser altos.
👍
Made with Slashpage