NAVSIM
PulseAugur coverage of NAVSIM — every cluster mentioning NAVSIM across labs, papers, and developer communities, ranked by signal.
9 天有情绪数据
-
新基准测试揭示自动驾驶AI模型对危险反应不佳
名为ReactBench-AD的新基准测试已被开发出来,用于测试自动驾驶中视觉-语言-动作(VLA)和世界-动作模型(WAMs)的安全能力。该基准测试侧重于这些模型如何应对路径上出现的意外危险,例如行人或停着的汽车。评估显示,当前模型对这些关键场景的反应较弱,但一个简短的微调阶段在不影响正常驾驶性能的情况下显著改善了它们的危险应对能力。
-
新的DRIFT框架可在自动驾驶中实现运行时灵活的语言推理
研究人员开发了DRIFT,一个新颖的端到端自动驾驶框架,集成了轻量级语言模型用于场景描述和动作评论。该系统设计为运行时灵活,允许在不影响驾驶性能的情况下绕过语言模型。与现有的视觉语言模型方法相比,DRIFT在Bench2Drive、NAVSIM和AlpaSim等基准测试中取得了具有竞争力的结果,参数量和计算成本显著降低。
-
GridDriver框架支持车载LLM自动驾驶规划
研究人员开发了GridDriver,一个用于在驾驶场景中车载部署鸟瞰图(BEV)条件化大语言模型(LLM)的新框架。该系统集成了轨迹预测、驾驶指示、自然语言导航和场景问答,利用轻量级的时空BEV感知和结构化令牌为共享LLM提供上下文。GridDriver在NAVSIM和nuScenes-QA等基准测试中表现出竞争力,在ROS 2管道中实现了低规划延迟和高吞吐量,并在研究车辆上进行了开放循环车载运行评估。
-
新的自动驾驶研究解决了注意力限制并增强了世界模型 · 跟踪了 6 个来源
arXiv 上发表的多篇研究论文探讨了自动驾驶系统的进展,重点是改进感知、预测和决策。一项研究挑战了自动驾驶汽车中对注意力机制的依赖来确定物体相关性,认为它们提供的是相关性而非因果性见解,尤其是在复杂场景中。另一篇论文引入了一个闭环交互式世界模型,通过将行为建模与视觉渲染相结合,增强了行为真实感和视觉保真度。此外,研究提出了使用时空注意力进行实例预测的新架构 BEVPredFormer,以及用于端到端自动驾驶中一次性联邦学习的 Fed…
-
新研究通过优化管线和KV缓存压缩增强VLM推理能力
两篇新研究论文提出了改进视觉-语言模型(VLM)推理能力的方法。第一篇论文介绍了一种多阶段优化管线,包括动态解码策略,以增强VLM在自动驾驶任务中的表现,显示出29.7%的性能提升。第二篇论文提出了TraceKV,一个用于压缩VLM中KV缓存的框架,该框架在保持近乎无损的推理准确性的同时,显著降低了内存使用并提高了解码速度。
-
ForeseeDrive 引入面向生成式驾驶的未来令牌条件化
研究人员推出了 ForeseeDrive,一种面向前瞻性生成式驾驶的新颖方法,它将未来场景演变条件化为查询索引令牌。这种方法允许塑造候选生成,而不是依赖预采样机动。ForeseeDrive 集成了来自参与者运动、占用演变、路线交互和碰撞时间 (TTC) 余量的数据来预测这些令牌。该系统在 NAVSIM navtest、nuScenes validation 和 Bench2Drive 等基准测试中表现强劲,受控诊断显示了其有效性并识别…
-
ForeseeDrive通过未来场景条件化增强生成式驾驶规划器
研究人员开发了ForeseeDrive,这是一种新颖的生成式驾驶规划器,通过对预测的未来场景演变进行条件化来增强候选生成,从而增强了预测能力。ForeseeDrive不依赖于固定的采样未来集或重建密集状态,而是使用源自演员运动、占用、路线交互和碰撞时间(TTC)余量的查询索引Token。这种方法允许规划器在生成候选轨迹之前对其进行塑形,从而在NAVSIM、nuScenes和Bench2Drive等基准测试中提高了性能,在NAVSIM上…
-
FlowSim 绕过图像渲染,实现更快的端到端驾驶仿真
研究人员开发了 FlowSim,一种用于评估端到端驾驶系统的新型仿真方法,该方法无需图像渲染。该方法直接预测内部潜在表征,将仿真过程的速度显著提高到每步仅需几毫秒。在 nuScenes 和 NavSim 等数据集上的实验表明,FlowSim 与传统的图像空间仿真方法相比,性能具有竞争力或更优,使其成为一种高效的替代方案。
-
BEVCast:用于高效自动驾驶的自适应BEV系统
研究人员开发了BEVCast,一种新颖的两阶段鸟瞰图(BEV)自动驾驶系统,该系统根据预测的驾驶路径自适应调整分辨率。这种方法通过将更高分辨率集中在关键路径单元上,同时为场景的其余部分保持较低分辨率,从而优化了计算资源。与具有统一分辨率的模型相比,BEVCast 证明了效率的提高,将 BEV 编码器时间减少了 34%,并在 nuScenes 和 NAVSIM navtest 等基准测试中取得了更好的性能。
-
新AI模型提升自动驾驶安全性和准确性
研究人员开发了两种新方法来提高端到端自动驾驶系统的安全性和准确性。第一种方法RFWorld引入了一个无回滚的世界模型,通过使用共享场景内存来避免昂贵且易出错的未来状态预测。第二种方法NegWAM是一个安全后训练框架,它使用接近专家的失败轨迹作为排斥锚点,将驾驶行为引向远离危险行为。这两种方法在NAVSIM和Bench2drive等基准测试中都展示了最先进的性能,其中NegWAM在安全关键场景中显示出显著的改进。
-
基于LiDAR的令牌选择可大幅降低自动驾驶模型的计算量
研究人员开发了一种名为几何感知令牌选择(GATS)的新方法,用于自动驾驶模型,通过选择性地处理图像令牌,显著降低了计算负荷。通过利用LiDAR和雷达数据在主视觉骨干网络之前识别相关图像块,GATS减少了天空或建筑物等无关数据。这种方法可以大幅减少FLOPs,即使在10%的令牌预算下也观察到了性能提升,并且以一小部分计算成本优于密集模型。
-
新的INTERACT框架学习交互感知的动力学以实现更安全的自动驾驶
研究人员开发了INTERACT,一个新颖的三阶段框架,旨在通过从驾驶视频中学习交互感知的世界动力学来提高自动驾驶安全性。该系统模拟了周围交通参与者将如何响应自车自身运动而演变,解决了当前端到端驾驶模型中隐式处理交互的局限性。INTERACT在NAVSIM基准测试中取得了最先进的性能,并在nuScenes数据集上显示出在安全关键的碰撞指标方面的改进。
-
新框架通过自适应推理和通信增强自动驾驶能力
研究人员开发了三个不同的框架来推进自动驾驶能力。IntNet 通过多智能体强化学习,使智能体能够共享意图并调整通信计划,从而降低碰撞率和通信开销,从而提高安全性。CLAP-AD 引入了一种规划范式,将路径学习与速度评分分开,允许在测试时控制速度选择,而无需进行速度条件训练,并在速度依从性方面取得了最先进的性能。AdaThinkDrive 采用受快慢思考启发的双模式推理机制,允许模型仅在必要时选择性地应用复杂推理(如思维链),从而平衡准确性和效率。
-
DriveUniTok 统一多模态数据,用于先进的驱动世界-动作模型
研究人员推出 DriveUniTok,这是一种新颖的统一多模态分词器,专为驱动世界-动作模型 (WAMs) 设计。该方法将外观、投影的 LiDAR 深度和自我运动编码为单一的潜在表示,解决了独立模态模型中发现的信息丢失和不一致问题。在 NAVSIM 数据集上的实验表明,使用冻结的 DriveUniTok 和预训练的扩散模型的 DriveUniWAM,与现有方法相比,在未来预测和规划性能上取得了优越的成果,同时降低了计算成本。经过强化学…
-
新指标和数据集旨在提高自动驾驶导航合规性
研究人员引入了一个名为导航合规性(NAVI)的新指标和一个名为NavControl的数据集,以解决自动驾驶汽车在交叉路口忽略替代指令的挑战。NavControl数据集包含超过14,000个交叉路口场景,并附有所有可行的指令和路线注释。提出的NaviHydra模型利用NAVI蒸馏和鸟瞰图(BEV)特征提取来改进轨迹评分和上下文感知行为,在导航任务上取得了强大的性能。
-
TerraTransfer++ 实现无需演示的自动驾驶规划
研究人员开发了 TerraTransfer++,这是一种新颖的端到端自动驾驶规划器,无需人工驾驶演示。该系统利用向量化模拟器中的自我博弈生成多样化数据集,然后将其提炼为轨迹教师。该教师用于在冻结的视觉骨干网上训练轻量级适配器,从而在 HUGSim 基准测试中获得超越现有模仿学习方法的策略,并在 NAVSIM 基准测试中取得卓越性能,而无需专家演示。
-
新研究为自动驾驶系统提供增强的控制和安全性
两篇新研究论文介绍了增强端到端自动驾驶系统的新颖方法。YOUDrive提出了一种视觉-语言-动作规划器,能够对驾驶风格进行连续和可组合的控制,从而在推理时调整加速度、制动和距离保持。FPD-Drive专注于将未来知识提炼到驾驶策略中,通过纠正安全和不安全候选者的排名错误来改进多轨迹监督和安全选择。这两种方法都旨在提供更可控、更安全的自动驾驶行为。
-
HENet++框架通过混合编码增强自动驾驶能力
研究人员开发了HENet++,一个旨在提高自动驾驶系统效率和准确性的新框架。该系统采用混合编码策略,利用一个大型编码器处理短期视觉数据,并利用一个轻量级编码器处理长期时间上下文,从而平衡计算成本与性能。HENet++还提取密集背景和稀疏前景特征,以创建特定任务的表示,增强下游预测和规划模块。该框架在nuScenes基准测试中,在多任务3D感知和规划方面取得了最先进的结果,碰撞率更低。
-
新AI模型根据意图预测3D驾驶未来
研究人员推出VGGTWorld-VLA,这是VGGT-World模型在自动驾驶领域的扩展。该新模型通过纳入驾驶意图和动作来增强3D世界预测能力,能够基于不同的驾驶决策模拟不同的未来场景。该系统使用动作语义条件机制和几何-语言-动作桥梁来整合语义特征和机动表示,以实现更可控的未来几何预测。在NAVSIM数据集上的评估显示,与基线方法相比,该模型表现具有竞争力,突显了语义和动作条件化的有效性。
-
脉冲神经网络在自动驾驶中实现高精度和低能耗
研究人员开发了SDPAD,一种用于端到端自动驾驶的新型流水线,它利用脉冲神经网络(SNN)以显著降低的能耗实现高精度。该方法将预训练的人工神经网络(ANN)感知模型转换为脉冲驱动格式,从而实现高效处理。SDPAD在nuScenes和NAVSIM等基准测试中展示了与强大的ANN规划器相当的性能,同时能耗却不到2%,使其成为边缘部署的有前途的解决方案。