面向端到端自动驾驶的高效融合与任务引导嵌入
机器人学
2024-07-18 v2 人工智能
摘要
为解决传统闭环自动驾驶神经网络在imitation learning 方面通常需要大量参数和计算资源以实现传感器融合和安全风险预测的挑战，我们引入一种紧凑而高效的解决方案，命名为 EfficientFuser。该方法采用 EfficientViT 进行视觉信息提取，并通过跨注意力集成特征图。随后，它利用仅包含解码器的变换器来融合多模态特征。对于预测任务，嵌入可学习向量作为标记，通过注意力机制探测任务与传感器特征之间的关联。 evaluated 在 CARLA 模拟平台上，EfficientFuser 在参数使用和计算效率方面显著优于当前最轻量级方法，仅需 37.6% 的参数和 8.7% 的计算量，驾驶得分仅低 0.4%，而安全得分接近领先的安全增强方法，展示了其在自动驾驶系统中具有的有效性和实际部署潜力。
关键词
引用
@article{arxiv.2407.02878,
title = {Efficient Fusion and Task Guided Embedding for End-to-end Autonomous Driving},
author = {Yipin Guo and Yilin Lang and Qinyuan Ren},
journal= {arXiv preprint arXiv:2407.02878},
year = {2024}
}
备注
Best Student Paper Award of the IEEE 13th Data-Driven Control and Learning Systems Conference