GMF-Drive: 空間認識BEV表現とゲート付きMamba融合によるエンドツーエンド自動運転

- GMF-Drive は end-to-end autonomous driving のためのフレームワーク。 - Diffusion ベースの手法における transformer fusion の限界（二次計算量、BEV の空間事前構造を扱えない）を克服する。 - 二つの革新から成る。 - LiDAR 表現を histogram ベースから geometrically-augmented pillar 形式へ置換。 - hierarchical gated mamba fusion (GM-Fusion) を導入し、transformer を spatially-aware state-space model (SSM) に置換。 - NAVSIM benchmark で新たな state-of-the-art を達成。

- 従来の diffusion ベース end-to-end 運転は transformer-based fusion に依存し、二次計算量のため高解像度特徴を使いにくく、BEV の空間事前構造を活かせない。 - また LiDAR は情報量の限られた histogram ベース表現が使われてきた。 - GMF-Drive は geometrically-augmented pillar 表現で 3D 幾何情報を保持し、GM-Fusion で線形計算量の SSM により長距離依存を捉える。 - 実験で DiffusionDrive を大きく上回り、task-specific SSM が general-purpose transformer を性能・効率の両面で超え得ることを示した。

- LiDAR 表現: histogram ベースを廃し、shape descriptors と statistical features を符号化する geometrically-augmented pillar 形式を採用。 - GM-Fusion: 階層的な gated mamba fusion アーキテクチャ。 - 高コストな transformer を効率的な spatially-aware SSM に置換。 - 中核の BEV-SSM は directional sequencing と adaptive fusion 機構により、線形計算量で長距離依存を捕捉。 - 運転シーンの空間特性を明示的に尊重する設計。

- 難易度の高い NAVSIM benchmark で広範な実験を実施。 - 新たな state-of-the-art 性能を達成し、DiffusionDrive を有意に上回った。 - 各コンポーネントの有効性を包括的な ablation studies で検証。 - task-specific SSM が general-purpose transformer を性能と効率の両方で上回ることを示した。

- 要旨からは不明（具体的な限界や失敗事例、計算コストの詳細な議論は記述されていない）。 - 主張として、task-specific SSM が autonomous driving において general-purpose transformer を性能・効率で凌駕し得ると述べている。

- DiffusionDrive（比較対象として明示）。 - transformer-based fusion を用いる diffusion ベース end-to-end autonomous driving 研究（一般名）。 - Mamba / state-space model (SSM) を用いた視覚・BEV 認識手法（一般名）。 - NAVSIM benchmark 上の end-to-end driving 手法（一般名）。