כתבה
arXiv cs.LG ·
הנחיית מודלי נהיגה מסוג End-to-End עם אופטימיזציה של נתיב סופי
Guiding End-to-End Driving Models with Endpoint-Constrained Trajectory Optimization
אופטימיזציה של נתיב סופי למודלי נהיגה End-to-End: פתרון לבעיית הפער בין תכנון וביצוע. המחברים הציגו את ECO, שיטה שמשפרת את תפעול המודלים בסביבה סגורה. ECO פועלת באופן נפרד מהמדלים ואינה דורשת תכנות מחדש. השיטה הוכיחה את עצמה במבחן סגור-לופ ב-HUGSIM וב-AlpaSim.
תקציר מקורי באנגליתarXiv:2609.31383v1 Announce Type: cross Abstract: End-to-end driving policies are commonly trained through open-loop behavior cloning, yet they must ultimately operate in closed-loop when deployed on a vehicle, creating a fundamental mismatch between training and execution. Beyond the commonly studied effects of covariate shift and causal confusion, we identify a complementary factor for this open-loop/closed-loop gap: waypoint-based supervision and displacement metrics do not ensure that the intermediate trajectory is physically coherent or easy for the controller to track. We observe that these inconsistencies concentrate primarily at intermediate waypoints, while the predicted endpoint remains comparatively reliable. Based on this observation, we introduce Endpoint-Constrained Optimizat
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית