據(jù)外媒報(bào)道，中國(guó)北京大學(xué)（Peking University）與清華大學(xué)（Tsinghua University）的研究人員發(fā)表了一篇論文，介紹“用于駕駛的生成式預(yù)訓(xùn)練版本1（Generative Pre-training for Driving version 1，GPD-1）”的創(chuàng)新框架，旨在提升自動(dòng)駕駛系統(tǒng)的能力。該方法對(duì)各種駕駛場(chǎng)景進(jìn)行建模，以簡(jiǎn)化場(chǎng)景生成、運(yùn)動(dòng)規(guī)劃和交通仿真等任務(wù)，從而提升自動(dòng)駕駛車(chē)輛預(yù)測(cè)和模擬各種駕駛條件的能力。利用分層位置編碼和矢量量化自動(dòng)編碼器等先進(jìn)創(chuàng)新技術(shù)，GPD-1實(shí)現(xiàn)了此次技術(shù)集成。
GPD-1（圖片來(lái)源：azoai.com）
自動(dòng)駕駛技術(shù)領(lǐng)域的進(jìn)展
近年來(lái)，自動(dòng)駕駛領(lǐng)域取得了顯著進(jìn)展，主要?dú)w功于人工智能（AI）和機(jī)器學(xué)習(xí)技術(shù)的進(jìn)步。傳統(tǒng)方法通常孤立地處理駕駛場(chǎng)景的特定方面，例如地圖生成或運(yùn)動(dòng)預(yù)測(cè)。然而，由于駕駛環(huán)境中各種實(shí)體間互動(dòng)的復(fù)雜性，將此類(lèi)組件整合至一個(gè)統(tǒng)一的框架中仍面臨著挑戰(zhàn)。不過(guò)，通過(guò)利用大型數(shù)據(jù)集高效模擬和預(yù)測(cè)駕駛場(chǎng)景，研發(fā)生成式模型，特別是自回歸變壓器架構(gòu)，提供了有發(fā)展前景的解決方案。
GPD-1：研發(fā)一個(gè)統(tǒng)一的生成式模型
在該篇論文中，研究人員介紹了GPD-1，一款旨在整合自動(dòng)駕駛場(chǎng)景演變各個(gè)方面的模型。該框架采用標(biāo)記來(lái)代表駕駛場(chǎng)景，其中包含自主車(chē)輛（ego vehicle）、代理和地圖元素。利用一個(gè)自回歸變壓器，該框架能夠按序處理此類(lèi)標(biāo)記，捕捉時(shí)間依賴(lài)性與空間關(guān)系，為駕駛場(chǎng)景提供強(qiáng)大的表示。此外，利用場(chǎng)景級(jí)注意力機(jī)制，可進(jìn)一步促進(jìn)幀內(nèi)各標(biāo)記之間的細(xì)微互動(dòng)。
為了編碼空間和時(shí)間信息，研究人員為自主車(chē)輛和代理標(biāo)記研發(fā)了一款分層位置編碼器，融合了二維（2D）位置和朝向信息。對(duì)于地圖標(biāo)記，采用矢量量化自動(dòng)編碼器（VQ-VAE）將自主車(chē)輛為中心的語(yǔ)義地圖壓縮成離散標(biāo)記，有效降低復(fù)雜度，同時(shí)保持空間精確度。此種創(chuàng)新設(shè)計(jì)讓GPD-1能夠在交通仿真、場(chǎng)景生成、閉環(huán)仿真、地圖預(yù)測(cè)和運(yùn)動(dòng)規(guī)劃等任務(wù)中進(jìn)行歸納，無(wú)需額外微調(diào)。
該模型在龐大的nuPlan數(shù)據(jù)集上進(jìn)行了預(yù)訓(xùn)練，其中涵蓋從多個(gè)城市環(huán)境中收集的超1300小時(shí)的駕駛數(shù)據(jù)，包括交叉路口和環(huán)島等復(fù)雜場(chǎng)景。該數(shù)據(jù)集為評(píng)估該模型在實(shí)際環(huán)境中的表現(xiàn)提供了堅(jiān)實(shí)基礎(chǔ)。
關(guān)鍵發(fā)現(xiàn)與見(jiàn)解
本研究驗(yàn)證了GPD-1模型在無(wú)需額外微調(diào)的情況下，歸納各種自動(dòng)駕駛?cè)蝿?wù)的有效性。在場(chǎng)景生成方面，該模型可通過(guò)生成代理、地圖和自主車(chē)輛信息，無(wú)縫初始化場(chǎng)景。在交通仿真方面，基于初始代理狀態(tài)和實(shí)際地圖，該模型準(zhǔn)確預(yù)測(cè)了交通動(dòng)態(tài)演變情況，體現(xiàn)了其在動(dòng)態(tài)環(huán)境中的適應(yīng)能力。
此外，該模型在運(yùn)動(dòng)規(guī)劃方面表現(xiàn)出色，利用有關(guān)周?chē)砗偷貓D的信息，為自主車(chē)輛生成了高精度的軌跡。值得注意的是，GPD-1在定量評(píng)估指標(biāo)上取得了成功，即平均位移誤差（Average Displacement Error，ADE）、最終位移誤差（Final Displacement Error，F(xiàn)DE）及碰撞率，充分展現(xiàn)了其安全性與精準(zhǔn)度。此類(lèi)成果表明，GPD-1在多個(gè)下游任務(wù)中達(dá)到了領(lǐng)先的性能，特別是在運(yùn)動(dòng)規(guī)劃方面，能夠超越現(xiàn)有的方法。
該實(shí)驗(yàn)進(jìn)一步表明，GPD-1在仿真中維持了較低的碰撞率，確保在動(dòng)態(tài)駕駛場(chǎng)景中的安全性。其在遵循交通規(guī)則和法規(guī)的同時(shí)，穩(wěn)健地管理了多個(gè)代理間的交互。通過(guò)精準(zhǔn)預(yù)測(cè)未來(lái)場(chǎng)景演變及代理的移動(dòng)，GPD-1代表了自動(dòng)駕駛技術(shù)的一項(xiàng)重大發(fā)展。
GPD-1的實(shí)際應(yīng)用
GPD-1對(duì)推動(dòng)自動(dòng)駕駛系統(tǒng)發(fā)展具有重大意義，其能夠基于最少的初始輸入信息生成真實(shí)的駕駛場(chǎng)景，是訓(xùn)練和評(píng)估自動(dòng)駕駛技術(shù)的寶貴工具。
在交通仿真中，GPD-1有效評(píng)估了復(fù)雜環(huán)境中的車(chē)輛互動(dòng)，對(duì)研究人員和開(kāi)發(fā)人員測(cè)試各種駕駛條件提供了極大的價(jià)值。其運(yùn)動(dòng)規(guī)劃能力為傳統(tǒng)方法提供了一種數(shù)據(jù)驅(qū)動(dòng)型替代方案，實(shí)現(xiàn)了精確的軌跡預(yù)測(cè)。閉環(huán)仿真得益于GPD-1能夠基于實(shí)時(shí)自主車(chē)輛數(shù)據(jù)，動(dòng)態(tài)調(diào)整代理的軌跡，從而提升了仿真的真實(shí)性和安全性。此種適應(yīng)性也有望提升自動(dòng)駕駛系統(tǒng)的安全性和可靠性，特別是在城市環(huán)境。
結(jié)論與未來(lái)發(fā)展方向
綜上所述，GPD-1模型標(biāo)志著向完全集成且可解釋的自動(dòng)駕駛框架邁進(jìn)了重要一步。通過(guò)將駕駛仿真的各個(gè)方面整合成一個(gè)連貫的系統(tǒng)，其克服了傳統(tǒng)方法的局限性，為真實(shí)且具有適應(yīng)性的駕駛仿真提供了一個(gè)靈活且強(qiáng)大的解決方案。
未來(lái)，研究人員的重點(diǎn)應(yīng)該關(guān)注提升該模型在處理新代理進(jìn)入視野時(shí)的預(yù)測(cè)準(zhǔn)確性，由于缺乏輸入數(shù)據(jù)，此項(xiàng)任務(wù)已成為一項(xiàng)挑戰(zhàn)。為此，在特定數(shù)據(jù)集上進(jìn)一步進(jìn)行微調(diào)或集成自適應(yīng)性學(xué)習(xí)機(jī)制，有望提升該模型在動(dòng)態(tài)、復(fù)雜環(huán)境中的性能表現(xiàn)。此外，集成實(shí)時(shí)數(shù)據(jù)處理和自適應(yīng)學(xué)習(xí)機(jī)制還可以進(jìn)一步提升其在復(fù)雜駕駛環(huán)境中的可適應(yīng)性。總體而言，GPD-1為推動(dòng)自動(dòng)駕駛技術(shù)發(fā)展奠定了基礎(chǔ)，為該領(lǐng)域的持續(xù)創(chuàng)新與重大發(fā)展鋪平了道路。