DSDrive: 大規模言語モデルを蒸留した軽量な統合推論・計画型エンドツーエンド自動運転
DSDrive: Distilling Large Language Model for Lightweight End-to-End Autonomous Driving with Unified Reasoning and Planning
大規模視覚言語モデルの推論能力を小型LLMに蒸留し、ウェイポイント駆動のデュアルヘッド協調モジュールで推論と計画を統合した軽量な自動運転フレームワークを提案。閉ループシミュレーションでベンチマーク並みかそれを上回る性能を、より小さなモデルサイズと高い計算効率で実現した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Wenru Liu, Pei Liu, Jun Ma
分類: cs.RO
原文アブストラクト
We present DSDrive, a streamlined end-to-end paradigm tailored for integrating the reasoning and planning of autonomous vehicles into a unified framework. DSDrive leverages a compact LLM that employs a distillation method to preserve the enhanced reasoning capabilities of a larger-sized vision language model (VLM). To effectively align the reasoning and planning tasks, a waypoint-driven dual-head coordination module is further developed, which synchronizes dataset structures, optimization objectives, and the learning process. By integrating these tasks into a unified framework, DSDrive anchors on the planning results while incorporating detailed reasoning insights, thereby enhancing the interpretability and reliability of the end-to-end pipeline. DSDrive has been thoroughly tested in closed-loop simulations, where it performs on par with benchmark models and even outperforms in many key metrics, all while being more compact in size. Additionally, the computational efficiency of DSDrive (as reflected in its time and memory requirements during inference) has been significantly enhanced. Evidently thus, this work brings promising aspects and underscores the potential of lightweight systems in delivering interpretable and efficient solutions for AD.
関連論文
- 事前学習済みTransformerと人間ガイド微調整による自動運転のエンドツーエンドナビゲーション自動運転/エンドツーエンド
- 暗黙的なシーン理解のための解釈可能なエンドツーエンド運転モデル自動運転/エンドツーエンド
- 軌道誘導型制御予測によるエンドツーエンド自動運転：シンプルかつ強力なベースライン自動運転/エンドツーエンド
- 効率的で堅牢なLiDARベースのエンドツーエンドナビゲーション自動運転/エンドツーエンド
- 運転タスク別に階層化したエンドツーエンド自動運転ネットワーク自動運転/エンドツーエンド
