CVPR 2024｜进一步加速落地：压缩自动驾驶端到端运动规划模型

今日应用

Jiumo Search 鸠摩搜索

鸠摩搜索引擎是一款专注于电子书的搜索工具，提供广泛且多样的电子书资源，界面简洁高效，帮助用户轻松找到所需内容，是阅读爱好者的理想选择。

今日话题

CVPR 2024｜进一步加速落地：压缩自动驾驶端到端运动规划模型

 

重点标签 知识蒸馏、端到端运动规划、自动驾驶、PlanKD、安全性

文章摘要

摘要：
本文介绍了PlanKD，这是一种为压缩端到端运动规划器而设计的知识蒸馏方法。该方法通过信息瓶颈学习与规划相关的特征，实现有效的特征蒸馏。同时，提出了一个safety-aware waypoint-attentive蒸馏机制，适应性地决定每个waypoint的重要性。实验表明，PlanKD能显著提升小型规划器的性能，并减少参考时间。

网络设计：
端到端运动规划在自动驾驶中具有潜力，但其庞大的神经网络结构不适合资源受限的系统。PlanKD通过知识蒸馏解决这一问题，提取与规划相关的特征，并设计了注意力机制来识别关键waypoints，增强学生模型的安全性。

实验结果：
PlanKD在不同驾驶场景下的实验结果显示，该方法能有效提升紧凑型运动规划器的性能，并显著降低参考时间。注意力权重的可视化表明，该方法能适应性地确定关键waypoints，增强整体安全性。

总结：
PlanKD作为一种为压缩端到端运动规划器量身定制的知识蒸馏方法，通过信息瓶颈和safety-aware waypoint-attentive蒸馏机制，有效提升了小型规划器的性能和安全性，为资源有限的部署提供了便携、高效的解决方案。

文章来源

原文地址: 点我阅读全文
原文作者: 极市平台