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。
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。
扫一扫关注微信
