WORLDTECH NEWS Globale Technologie-Nachrichten.Kontakt
← Zurück zu WORLDTECH
Robotik EINZELNE QUELLE

QualiDrive ordnet Fahrtrajektorien nach Qualität statt nur nach Rauschen

A self-driving car navigates through a bustling city street in San Francisco, capturing urban mobility in action.
Symbolbild.Photo by Abhishek Navlakha on Pexels

Ein auf arXiv Robotics (cs.RO) gelisteter Preprint stellt QualiDrive vor, einen auf Diffusionsmodellen beruhenden Planer für das durchgängig lernende autonome Fahren, der die Trajektorienerzeugung entlang einer Fahrqualitätsachse ordnet. Der Preprint meldet Spitzenergebnisse auf dem Benchmark NAVSIM v2.

Wie die Qualitätsleiter entsteht

Dem arXiv-Eintrag zufolge nutzen bestehende Diffusionsplaner für das autonome Fahren den Fahrnutzen nur als zusätzliches Steuerungs- oder Auswahlsignal. QualiDrive baut dagegen für jede Szene eigene Qualitätsleitern auf, indem es beobachtete Trajektorien nach ihrem gemessenen Fahrnutzen einordnet.

Das Modell wird anschließend darauf trainiert, diese geordnete Verschlechterung rückgängig zu machen und sich schrittweise von niedriger zu hoher Qualität zu bewegen. Jeder Rückwärtsschritt stützt sich auf die Szene, den Zustand des eigenen Fahrzeugs, die aktuelle Trajektorie und eine Zielqualitätsstufe, sodass die Trajektorien Schritt für Schritt auf bessere Fahrqualität verfeinert werden.

Ergebnisse auf NAVSIM

Der Preprint nennt 94,5 PDMS auf dem Benchmark NAVSIM v1 und 92,74 EPDMS auf v2, was er als Spitzenwert darstellt.

Gegenüber einer Steuerung, die nur den Endpunkt bewertet, beschreiben die Autoren den Zuwachs beim Oracle-EPDMS als gering: Er steigt von 98,52 auf 98,57. Deutlicher verschiebt sich die Verteilung der Kandidatentrajektorien: Der Anteil über 0,95 EPDMS wächst von 12,94 % auf 21,53 %, der Anteil über 0,98 EPDMS von 9,71 % auf 15,93 %. Das ausgewählte EPDMS klettert von 92,63 auf 92,74.

Die Deutung der Autoren

Aus diesen Ergebnissen folgern die Autoren, dass Diffusion mehr ist als Entrauschen und auch eine schrittweise, nach Qualität geordnete Verfeinerung umfasst. Diese Lesart stammt von den Autoren selbst und ist im vorliegenden Material nicht unabhängig geprüft.

Offene Fragen

  • Hält die geordnete Verfeinerung auch auf Benchmarks und realen Fahrdaten jenseits von NAVSIM?
  • Wie groß sind die Zugewinne beim ausgewählten EPDMS im Vergleich zu anderen aktuellen Planern?

Wichtige Fakten

  • Ein auf arXiv Robotics (cs.RO) gelisteter Preprint stellt QualiDrive vor.
  • QualiDrive baut szenenspezifische Qualitätsleitern, indem es beobachtete Trajektorien nach gemessenem Fahrnutzen sortiert.
  • Das Verfahren wird darauf trainiert, eine geordnete Verschlechterung von niedriger zu hoher Qualität rückgängig zu machen.
  • Jeder Rückwärtsschritt berücksichtigt Szene, Ego-Zustand, aktuelle Trajektorie und eine Zielqualitätsstufe.
  • Auf NAVSIM erreicht QualiDrive 94,5 PDMS in v1 und 92,74 EPDMS in v2, ein Spitzenwert bei v2.

Quellen & Belege