Beyond One Model Fits All: Ensemble Deep Learning for Autonomous Vehicles

要約

ディープラーニングは、車両が周囲の環境を驚くほど正確に認識して解釈できるようにすることで、自動運転に革命をもたらしました。
この進歩は、媒介知覚、行動反射、直接知覚などのさまざまな深層学習モデルによるものであり、それぞれが自動運転機能の強化において独自の利点と課題を提供します。
しかし、これらのアプローチを統合し、多様な運転シナリオにおけるそれらの関連性を理解することに関する研究にはギャップがあります。
この研究では、媒介知覚、行動反射、直接知覚のアプローチに対応する 3 つの異なるニューラル ネットワーク モデルを導入します。
さまざまな運転条件におけるその重要性を探り、それぞれのアプローチの長所と限界を明らかにします。
私たちのアーキテクチャは、ベース、将来の潜在ベクトル予測、および補助タスク ネットワークからの情報を融合し、グローバル ルーティング コマンドを使用して適切なアクション サブネットワークを選択します。
私たちは、実験と評価を実施することで、自動運転における多様なモデリング戦略を効果的に活用するための洞察を提供することを目指しています。
結果は、アンサンブル モデルが個別のアプローチよりもパフォーマンスが優れていることを示しており、各モダリティがモデル全体のパフォーマンスに独自に寄与していることを示唆しています。
さらに、この研究は各モダリティの重要性を探ることにより、自動運転における将来の研究のロードマップを提供し、堅牢なパフォーマンスを達成するために複数のモデルを活用することの重要性を強調しています。

要約(オリジナル)

Deep learning has revolutionized autonomous driving by enabling vehicles to perceive and interpret their surroundings with remarkable accuracy. This progress is attributed to various deep learning models, including Mediated Perception, Behavior Reflex, and Direct Perception, each offering unique advantages and challenges in enhancing autonomous driving capabilities. However, there is a gap in research addressing integrating these approaches and understanding their relevance in diverse driving scenarios. This study introduces three distinct neural network models corresponding to Mediated Perception, Behavior Reflex, and Direct Perception approaches. We explore their significance across varying driving conditions, shedding light on the strengths and limitations of each approach. Our architecture fuses information from the base, future latent vector prediction, and auxiliary task networks, using global routing commands to select appropriate action sub-networks. We aim to provide insights into effectively utilizing diverse modeling strategies in autonomous driving by conducting experiments and evaluations. The results show that the ensemble model performs better than the individual approaches, suggesting that each modality contributes uniquely toward the performance of the overall model. Moreover, by exploring the significance of each modality, this study offers a roadmap for future research in autonomous driving, emphasizing the importance of leveraging multiple models to achieve robust performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google