DriveGPT:面向自动驾驶的自回归行为模型规模化
机器学习
2025-05-05 v3 人工智能
计算机视觉与模式识别
机器人学
摘要
我们提出 DriveGPT,一种面向自动驾驶的可扩展行为模型。我们将驾驶建模为序贯决策任务,并学习一个 Transformer 模型,以自回归方式将未来智能体状态预测为 token。我们将模型参数与训练数据规模扩大了多个数量级,从而能够探索数据集大小、模型参数与计算量方面的规模化性质。我们在规划任务中跨不同规模评估 DriveGPT,采用定量指标与定性示例,包括在复杂真实世界场景中的闭环驾驶。在另一项预测任务中,DriveGPT 优于当前最优基线,并通过在大规模数据集上预训练展现出进一步提升的性能,进一步验证了数据规模化带来的收益。
引用
@article{arxiv.2412.14415,
title = {DriveGPT: Scaling Autoregressive Behavior Models for Driving},
author = {Xin Huang and Eric M. Wolff and Paul Vernaza and Tung Phan-Minh and Hongge Chen and David S. Hayden and Mark Edmonds and Brian Pierce and Xinxin Chen and Pratik Elias Jacob and Xiaobai Chen and Chingiz Tairbekov and Pratik Agarwal and Tianshi Gao and Yuning Chai and Siddhartha Srinivasa},
journal= {arXiv preprint arXiv:2412.14415},
year = {2025}
}
备注
ICML 2025. 14 pages, 17 figures, 8 tables, and 1 video link