当前位置：首页 > 智能网联 > 正文

中国研究人员研发创新框架可提升自动驾驶车辆预测和模拟驾驶条件的能力

盖世汽车 Fairy 2025-01-10 07:45:43

盖世汽车讯据外媒报道，中国北京大学（Peking University）与清华大学（Tsinghua University）的研究人员发表了一篇论文，介绍“用于驾驶的生成式预训练版本1（Generative Pre-training for Driving version 1，GPD-1）”的创新框架，旨在提升自动驾驶系统的能力。该方法对各种驾驶场景进行建模，以简化场景生成、运动规划和交通仿真等任务，从而提升自动驾驶车辆预测和模拟各种驾驶条件的能力。利用分层位置编码和矢量量化自动编码器等先进创新技术，GPD-1实现了此次技术集成。

GPD-1（图片来源：azoai.com）

自动驾驶技术领域的进展

近年来，自动驾驶领域取得了显著进展，主要归功于人工智能（AI）和机器学习技术的进步。传统方法通常孤立地处理驾驶场景的特定方面，例如地图生成或运动预测。然而，由于驾驶环境中各种实体间互动的复杂性，将此类组件整合至一个统一的框架中仍面临着挑战。不过，通过利用大型数据集高效模拟和预测驾驶场景，研发生成式模型，特别是自回归变压器架构，提供了有发展前景的解决方案。

GPD-1：研发一个统一的生成式模型

在该篇论文中，研究人员介绍了GPD-1，一款旨在整合自动驾驶场景演变各个方面的模型。该框架采用标记来代表驾驶场景，其中包含自主车辆（ego vehicle）、代理和地图元素。利用一个自回归变压器，该框架能够按序处理此类标记，捕捉时间依赖性与空间关系，为驾驶场景提供强大的表示。此外，利用场景级注意力机制，可进一步促进帧内各标记之间的细微互动。

为了编码空间和时间信息，研究人员为自主车辆和代理标记研发了一款分层位置编码器，融合了二维（2D）位置和朝向信息。对于地图标记，采用矢量量化自动编码器（VQ-VAE）将自主车辆为中心的语义地图压缩成离散标记，有效降低复杂度，同时保持空间精确度。此种创新设计让GPD-1能够在交通仿真、场景生成、闭环仿真、地图预测和运动规划等任务中进行归纳，无需额外微调。

本文共计1000字开通高级账号后继续阅读

登录后获取已开通的账号权益