METDrive: Multi-modal End-to-end Autonomous Driving with Temporal Guidance

要約

マルチモーダルエンドツーエンドの自律運転は、最近の研究で有望な進歩を示しています。
より多くのモダリティをエンドツーエンドのネットワークに埋め込むことにより、運転環境の静的な側面と動的な側面の両方についてのシステムの理解が強化され、それによって自律運転の安全性が向上します。
この論文では、回転角、ステアリング、スロットル信号、ウェイポイントベクターなど、自我状態の埋め込み時系列の特徴からの時間的ガイダンスを活用するエンドツーエンドのシステムであるMetDriveを紹介します。
知覚センサーデータから派生した幾何学的特徴とエゴ状態データの時系列機能は、提案された時間ガイダンス損失関数とウェイポイント予測を共同で導きます。
Carla Leaderboard BenchmarksでMetDriveを評価し、70％の運転スコア、94％のルート完了スコア、および違反スコア0.78を達成しました。

要約(オリジナル)

Multi-modal end-to-end autonomous driving has shown promising advancements in recent work. By embedding more modalities into end-to-end networks, the system’s understanding of both static and dynamic aspects of the driving environment is enhanced, thereby improving the safety of autonomous driving. In this paper, we introduce METDrive, an end-to-end system that leverages temporal guidance from the embedded time series features of ego states, including rotation angles, steering, throttle signals, and waypoint vectors. The geometric features derived from perception sensor data and the time series features of ego state data jointly guide the waypoint prediction with the proposed temporal guidance loss function. We evaluated METDrive on the CARLA leaderboard benchmarks, achieving a driving score of 70%, a route completion score of 94%, and an infraction score of 0.78.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google