Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

A Knowledge-Driven Diffusion Policy for End-to-End Autonomous Driving Based on Expert Routing

Created by
  • Haebom

作者

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

概要

本論文では、エンドツーエンドの自律走行のマルチモード行動の生成、時間的安定性の維持、さまざまなシナリオの一般化問題を解決するための知識ベースの拡散方針（KDP）を提案します。 KDPは、生成された拡散モデリングと希少エキスパート混合ルーティングメカニズムを統合し、時間的に一貫性のあるマルチモードのアクションシーケンスを生成し、状況に応じて特殊化され再利用可能な専門家をアクティブにしてモジュラー知識構成を可能にします。様々な走行シナリオの実験の結果、KDPは従来の方法よりも成功率が高く、衝突のリスクが低く、制御がより滑らかであることを示しています。さらなる分析により、希少専門家の活性化とトランスフォーマー骨格の効果、専門家の構造的特殊化、およびシナリオ間の再利用が確認された。この結果は、専門家ルーティングによる拡散モデルが、拡張可能で解釈可能なエンドツーエンドの自律走行のためのパラダイムであることを示しています。

Takeaways、Limitations

•
Takeaways:
◦
生成拡散モデルと希少エキスパート混合ルーティング機構を組み合わせることで,エンドツーエンドの自律走行性能を改善した。
◦
時間的一貫性とマルチモード行動の生成、モジュラー知識構成により、さまざまなシナリオの一般化能力を高めました。
◦
希少専門家の活性化とトランスフォーマー骨格の効果を実験的に検証した。
◦
解釈可能なモデル構造により、専門家の特殊化および再利用パターンを分析できます。
•
Limitations:
◦
提示された方法の実際の環境適用の検証が不足している。
◦
特定のシナリオに対する過適合性が存在する。
◦
専門家の数と種類を決定する方法に関するさらなる研究が必要です。
◦
計算コストが高くなる可能性があります。
👍
Made with Slashpage