DRAMA：基于Mamba的自动驾驶高效端到端运动规划器
机器人学
2024-08-15 v2
摘要
运动规划是一项具有挑战性的任务，用于在高度动态和复杂的环境中生成安全且可行的轨迹，构成自动驾驶车辆的核心能力。在本文中，我们提出了DRAMA，第一个基于Mamba的自动驾驶车辆端到端运动规划器。DRAMA在特征空间中融合相机、LiDAR鸟瞰图图像以及自我状态信息，以生成一系列未来的自我轨迹。与传统基于Transformer的方法具有序列长度的二次注意力复杂度不同，DRAMA能够实现计算强度较低的注意力复杂度，展示出处理日益复杂场景的潜力。利用我们的Mamba融合模块，DRAMA高效且有效地融合相机和LiDAR模态的特征。此外，我们引入了一个Mamba-Transformer解码器以增强整体规划性能。该模块可普遍适配任何基于Transformer的模型，尤其适用于具有长序列输入的任务。我们进一步引入了一种新颖的特征状态dropout，在不增加训练和推理时间的情况下提高了规划器的鲁棒性。大量实验结果表明，DRAMA在NAVSIM数据集上相比基线Transfuser实现了更高的精度，同时参数更少、计算成本更低。
引用
@article{arxiv.2408.03601,
title = {DRAMA: An Efficient End-to-end Motion Planner for Autonomous Driving with Mamba},
author = {Chengran Yuan and Zhanqi Zhang and Jiawei Sun and Shuo Sun and Zefan Huang and Christina Dao Wen Lee and Dongen Li and Yuhang Han and Anthony Wong and Keng Peng Tee and Marcelo H. Ang},
journal= {arXiv preprint arXiv:2408.03601},
year = {2024}
}