Исследователи представили компактную модель для автономного вождения в CARLA

Исследователи опубликовали результаты работы над мультимодальной моделью для управления беспилотным транспортом в симуляторе CARLA. Система использует поведенческое клонирование для обучения на экспертных демонстрациях, обеспечивая замкнутый цикл управления автомобилем.

Архитектура модели включает всего 1.36 миллиона параметров. Для принятия решений система анализирует историю из пяти кадров, объединяя данные RGB-камер, LiDAR, телеметрию автомобиля и путевые точки разметки. Модель предсказывает параметры газа, тормоза и угла поворота руля с частотой 20 Гц.

Обучающий набор данных составил 236 882 окна, что эквивалентно 3.3 часам реального вождения, собранным из 448 различных заездов. В ходе тестов модель продемонстрировала способность к автономному движению без столкновений на протяжении нескольких часов, включая прохождение маршрутов, которые не использовались при обучении.

Разработчики предоставили открытый доступ к коду, обученным чекпоинтам и ONNX-версии модели. Также опубликован аудит доказательств для всех заявленных метрик, что позволяет верифицировать точность работы алгоритма в различных дорожных условиях, включая перенос на карты с иной геометрией дорог.

Данная работа демонстрирует эффективность компактных моделей в задачах управления в реальном времени. Использование симулятора CARLA позволяет проводить систематическую проверку маневров, что критически важно для развития систем автономного вождения и снижения вычислительных затрат на бортовые системы.