今日应用
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
© 版权声明
文章版权归作者所有,未经允许请勿转载。
相关文章
暂无评论...