दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

SKGE-SWIN: स्किप स्टेज स्विन ट्रांसफॉर्मर का उपयोग करके एंड-टू-एंड स्वायत्त वाहन वेपॉइंट भविष्यवाणी और नेविगेशन

Created by
  • Haebom

लेखक

फाचरी नज्म नोएर कार्तिमान, रसीम, याया विहारदी, नुरुल हसनाह, ऑस्कर नातान, बंबांग वाहोनो, तौफिक इब्नु सलीम

रूपरेखा

यह अध्ययन एक एंड-टू-एंड ऑटोनॉमस ड्राइविंग मॉडल विकसित करने पर केंद्रित है जो पिक्सल के बीच प्रासंगिक इंटरप्ले पर विचार करता है, और SKGE-Swin आर्किटेक्चर का प्रस्ताव करता है। SKGE-Swin, Swin ट्रांसफॉर्मर का उपयोग करता है, जो कई नेटवर्क स्तरों और वैश्विक स्तर पर फीचर अभ्यावेदन का विस्तार करने के लिए एक स्किप-स्टेज मैकेनिज्म का लाभ उठाता है। Swin ट्रांसफॉर्मर के शिफ्टेड विंडो-आधारित मल्टी-हेड सेल्फ-अटेंशन (SW-MSA) मैकेनिज्म का लाभ उठाते हुए, यह दूरस्थ पिक्सल से जानकारी निकालता है और प्रारंभिक से अंतिम चरणों तक महत्वपूर्ण जानकारी को बरकरार रखता है, जिससे आसपास के वातावरण में जटिल पैटर्न को समझने की क्षमता बढ़ जाती है। CARLA प्लेटफॉर्म पर प्रतिकूल परिदृश्यों का उपयोग करते हुए, हमने वास्तविक दुनिया के वातावरण का अनुकरण और मूल्यांकन किया

Takeaways, Limitations

Takeaways:
हम एक नवीन स्वायत्त ड्राइविंग मॉडल आर्किटेक्चर प्रस्तुत करते हैं जो स्विन ट्रांसफॉर्मर और स्किप-स्टेज तंत्र को संयोजित करके अंतर-पिक्सेल संदर्भ पर प्रभावी ढंग से विचार करता है।
कार्ला प्लेटफॉर्म पर पारंपरिक तरीकों की तुलना में बेहतर ड्राइविंग प्रदर्शन का प्रदर्शन किया गया।
पृथक्करण अध्ययन प्रत्येक वास्तुशिल्प घटक के योगदान का विश्लेषण करने की अनुमति देता है।
Limitations:
मूल्यांकन CARLA सिमुलेशन वातावरण तक सीमित है। वास्तविक सड़क स्थितियों में प्रदर्शन सत्यापन आवश्यक है।
एब्लेशन अध्ययन के परिणामों के बारे में विस्तृत जानकारी उपलब्ध नहीं है।
विभिन्न वातावरणों और स्थितियों में सामान्यीकरण प्रदर्शन पर और अधिक शोध की आवश्यकता है।
👍