El Fin del Conocimiento - Bóveda 5/88 - CVPR - 2023 - Conducción Autónoma Orientada a la Planificación

graph LR classDef unified fill:#f9d4d4, font-weight:bold, font-size:14px classDef autonomous fill:#d4f9d4, font-weight:bold, font-size:14px classDef solutions fill:#d4d4f9, font-weight:bold, font-size:14px classDef uniad fill:#f9f9d4, font-weight:bold, font-size:14px classDef future fill:#f9d4f9, font-weight:bold, font-size:14px A["Conducción Autónoma Orientada a la Planificación"] --> B["UniAD: Marco de conducción
autónoma de pila completa 1"] A --> C["Conducción autónoma: Clima,
escenarios, tareas 2"] A --> D["Soluciones típicas: Modelos
independientes, errores 3"] A --> E["Marcos multitarea: Espina dorsal
compartida, no coordinados 4"] A --> F["De extremo a extremo: Política desde
sensores, ininterpretable 5"] A --> G["UniAD: Integrar percepción,
predicción, planificación 6"] G --> H["Tareas de UniAD: Formadores,
ocupación, planificador 7"] G --> I["Consulta unificada: Conecta,
coordina tareas 8"] G --> J["Módulos de transformador: Interacciones
complejas, atención 9"] H --> K["Seguimiento, mapa de formadores:
Entrenamiento de extremo a extremo 10"] H --> L["Formador de movimiento: Modelado
de relaciones diversas 11"] H --> M["Formador de ocupación: Predice
expectativas, restringe 12"] H --> N["Planificador: Atiende características,
ajusta camino 13"] G --> O["Entrenamiento en dos fases: Estabiliza,
comparte resultados 14"] G --> P["Experimentos: Validar tareas,
beneficio de planificación 15"] G --> Q["Planificación: Menor error,
tasa de colisión 16"] G --> R["Interpretabilidad: Visualizaciones, recupera
de errores 17"] G --> S["Consulta unificada: Conecta,
coordina tareas 18"] B --> T["Resultados: Solo visión de vanguardia 19"] A --> U["Futuro: Datos, entrenamiento,
algoritmos, sistemas 20"] A --> V["Potencial del modelo base:
Principios de UniAD 21"] A --> W["Aplicaciones: Robótica, navegación,
tareas autónomas 22"] A --> X["UniAD: Paso hacia
modelo base 23"] A --> Y["Documento, póster disponible
para detalles 24"] A --> Z["Preguntas y respuestas: Enviar preguntas
a través de la caja 25"] class B,G,H,I,J,K,L,M,N,O,P,Q,R,S,T unified class C autonomous class D,E,F solutions class U,V,W,X,Y,Z future

Resumen:

1.- UniAD: Marco unificado de conducción autónoma de pila completa que coordina tareas de percepción, predicción y planificación para una conducción segura.

2.- Desafíos de la conducción autónoma: Diversos climas, iluminaciones y escenarios; las tareas incluyen percepción, predicción y planificación.

3.- Soluciones típicas: Modelos independientes entrenados por separado para cada tarea, lo que lleva a errores acumulados.

4.- Marcos multitarea: Espina dorsal compartida para múltiples tareas, eficiente pero carece de coordinación entre las cabezas de tarea.

5.- Soluciones de extremo a extremo: Aprenden política directamente de las entradas de sensores, buenos resultados en simuladores pero carecen de interpretabilidad en escenarios del mundo real.

6.- Enfoque de UniAD: Integrar tareas de percepción y predicción críticas para la seguridad, organizarlas en una jerarquía para maximizar el flujo de información hacia el planificador.

7.- Tareas de UniAD: Seguimiento de formadores, mapa de formadores, formador de movimiento, formador de ocupación y planificador.

8.- Diseño de consulta unificada: Conecta toda la tubería y coordina todas las tareas hacia la planificación.

9.- Módulos de tarea basados en transformadores: Modelan interacciones complejas en escenas de conducción con mecanismos de atención.

10.- Seguimiento de formadores y mapa de formadores: Desarrollados a partir de investigaciones previas, tratan agentes y elementos del mapa como consultas para el entrenamiento de extremo a extremo.

11.- Formador de movimiento: Maneja el modelado de relaciones diversas con mecanismos de atención (relaciones agente-agente, agente-mapa, agente-ego).

12.- Formador de ocupación: Predice expectativas de ocupación y restringe interacciones entre agentes y sus correspondientes características BEV.

13.- Planificador: Usa la consulta del vehículo ego para atender características BEV, predice puntos de referencia futuros y ajusta el camino para evitar colisiones potenciales.

14.- Entrenamiento en dos fases: Estabiliza el proceso de entrenamiento y comparte resultados coincidentes entre módulos para la convergencia.

15.- Experimentos: Validan la necesidad de tareas precedentes, mostrando que se benefician mutuamente y a la planificación final.

16.- Rendimiento de planificación: UniAD logra el menor error L2 y tasa de colisión, superando métodos basados en escaleras y anteriores de extremo a extremo.

17.- Interpretabilidad: La visualización de representaciones intermedias exhibe la interpretabilidad de UniAD y su capacidad para recuperarse de errores ascendentes.

18.- Diseño de consulta unificada: Conecta y coordina todas las tareas en el marco.

19.- Resultados: UniAD logra resultados de vanguardia en todas las tareas investigadas con entradas solo de visión.

20.- Direcciones futuras: Estrategia de datos y entrenamiento, algoritmos embarcables y sistemas de bucle cerrado.

21.- Modelo base para conducción autónoma: Potencial para un modelo base universal basado en los principios y estructuras de UniAD.

22.- Aplicaciones: Extensión a una amplia gama de robótica, permitiendo que las máquinas interactúen, naveguen y realicen tareas de manera autónoma e inteligente.

23.- Conclusión: UniAD es un paso hacia un modelo base para la conducción autónoma, abriendo nuevas posibilidades en la robótica.

24.- Información adicional: Documento y sesión de póster disponibles para más detalles.

25.- Preguntas y respuestas: Los ponentes animan a realizar preguntas a través de la caja de preguntas y respuestas en la parte inferior de la pantalla.

Bóveda de Conocimiento construida porDavid Vivancos 2024