本論文は、自動運転のためのHD地図フリーのアプローチを提案している。従来の自動運転システムは、知覚、予測、計画の各モジュールを個別に設計する「分割統治」アプローチを採用していた。しかし、この手法は正確な事前知識に依存しており、スケーラビリティが低いという問題がある。特に、HD地図は複雑で高コストな生成・維持が必要であり、現実世界の道路状況の変化に迅速に対応できないという課題がある。
本論文では、知覚、予測、計画の各モジュールを統合的に学習するエンド・ツー・エンドのアプローチを提案する。具体的には以下の3つの特徴がある:
知覚モジュールから得られる特徴量を活用し、予測と計画を統合的に学習する。これにより、従来の予測モデルが出力する確率分布の情報ロスを回避し、安定性と堅牢性を向上させる。
地図情報に依存しない局所的な道路トポロジーの再構築を行い、これに基づいて軌道生成と評価を行う。これにより、HD地図に依存せずに都市環境での自動運転を実現する。
閉ループでの実世界評価を行い、オープンループでの評価では捉えられない課題を明らかにする。これにより、実用化に向けた課題を明確にする。
本手法は、10時間の人間の運転データのみを使って学習されており、市販のADAS機能をすべてサポートできることを示している。さらに、工場出荷時のセンサーセットとコンピューティングプラットフォームを用いて、複雑な都市環境での100マイル以上の公道走行テストにも成功している。
לשפה אחרת
מתוכן המקור
arxiv.org
תובנות מפתח מזוקקות מ:
by Weijian Sun,... ב- arxiv.org 05-02-2024
https://arxiv.org/pdf/2405.00515.pdfשאלות מעמיקות