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。

PRIX: Learning to Plan from Raw Pixels for End-to-End Autonomous Driving

Created by
  • Haebom

作者

Maciej K. Wozniak, Lianhang Liu, Yixi Cai, Patric Jensfelt

概要

PRIX（Plan from Raw Pixels）は、カメラデータのみを使用して自律走行の安全な経路を予測する効率的なエンドツーエンドのアーキテクチャです。従来の高価なLiDARセンサーと計算量の多いBEVの特徴表現への依存を排除し、生のピクセル入力から直接安全な経路を予測する視覚的特徴抽出器と生成計画ヘッドを活用します。コアコンポーネントであるContext-aware Recalibration Transformer（CaRT）は、さまざまなレベルの視覚的特徴を効果的に向上させ、より強力な計画を可能にします。 NavSimとnuScenesのベンチマークで最先端のパフォーマンスを達成し、より大きなマルチモーダル拡散プランナーと同様のパフォーマンスを見せながら、推論速度とモデルサイズの面ではるかに効率的です。したがって、実際の展開に適した実用的なソリューションです。

Takeaways、Limitations

•
Takeaways：
◦
LiDARに依存せずにカメラだけでエンドツーエンドの自律走行が可能であることを示しています。
◦
従来のモデルよりはるかに効率的な推論速度と小さなモデルサイズを持っています。
◦
NavSimとnuScenesのベンチマークで最先端のパフォーマンスを達成。
◦
オープンソースで公開され、実際の適用可能性増大。
•
Limitations：
◦
実際の道路環境でのパフォーマンス検証がさらに必要です。
◦
CaRTモジュールの一般化性能に関するさらなる研究が必要な場合があります。
◦
極限環境（悪天候、極端な照明変化など）での性能低下の可能性存在。
👍
Made with Slashpage