![\"End-to-End-autonomes](\"\/uploads\/End-to-end-autonomous-driving.png\")
<\/p>\n<\/p>\n
Die gebr\u00e4uchlichste Definition ist, dass ein \u201cEnd-to-End\u201d-System ein System ist, das Rohsensordaten eingibt und direkt Variablen ausgibt, die f\u00fcr die Aufgabe relevant sind. Zum Beispiel kann bei der Bilderkennung ein CNN als \u201cEnd-to-End\u201d bezeichnet werden, im Vergleich zur traditionellen Methode aus Merkmalen + Klassifikator.<\/p>\n
<\/p>\n
Bei autonomen Fahraufgaben werden Daten von verschiedenen Sensoren (wie Kameras, LiDAR, Radar oder IMU\u2026) eingegeben, und Fahrzeugsteuerungssignale (wie Gas oder Lenkradwinkel) werden direkt ausgegeben. Um die Anpassungsprobleme verschiedener Fahrzeugmodelle zu ber\u00fccksichtigen, kann die Ausgabe auch auf die Fahrspur des Fahrzeugs reduziert werden.<\/p>\n
<\/p>\n
Auf dieser Grundlage sind auch modulare End-to-End-Konzepte entstanden, wie UniAD, die die Leistung durch die Einf\u00fchrung der \u00dcberwachung relevanter Zwischenaufgaben verbessern, zus\u00e4tzlich zu den endg\u00fcltigen Steuerungssignalen oder Wegpunkten. Aus einer so engen Definition sollte jedoch das Wesentliche von End-to-End die verlustfreie \u00dcbertragung sensorischer Informationen sein.<\/p>\n
<\/p>\n
Lassen Sie uns zun\u00e4chst die Schnittstellen zwischen Sensor- und PnC-Modulen in Nicht-End-to-End-Systemen \u00fcberpr\u00fcfen. Normalerweise erkennen wir whitelisted-Objekte (wie Autos, Menschen usw.) und analysieren und prognostizieren deren Eigenschaften. Wir lernen auch die statische Umgebung kennen (wie Stra\u00dfenstruktur, Geschwindigkeitsbegrenzungen, Ampeln usw.). Wenn wir detaillierter w\u00e4ren, w\u00fcrden wir auch universelle Hindernisse erkennen. Kurz gesagt, die von diesen Wahrnehmungen ausgegebenen Informationen bilden ein Anzeigemodell komplexer Fahrszenen.<\/p>\n
<\/p>\n
F\u00fcr einige sehr offensichtliche Szenen kann die aktuelle explizite Abstraktion jedoch die Faktoren, die das Fahrverhalten in der Szene beeinflussen, nicht vollst\u00e4ndig beschreiben, oder die Aufgaben, die wir definieren m\u00fcssen, sind zu trivial, und es ist schwierig, alle erforderlichen Aufgaben aufzulisten. Daher bieten End-to-End-Systeme eine (vielleicht implizite) umfassende Darstellung mit der Hoffnung, mit diesen Informationen automatisch und verlustfrei auf PnCs zu wirken. Meiner Meinung nach k\u00f6nnen alle Systeme, die diese Anforderung erf\u00fcllen, als generalisierte End-to-End bezeichnet werden.<\/p>\n
<\/p>\n
Was andere Probleme betrifft, wie einige Optimierungen dynamischer Interaktionsszenarien, glaube ich, dass mindestens nicht nur End-to-End diese Probleme l\u00f6sen kann, und End-to-End ist m\u00f6glicherweise nicht die beste L\u00f6sung. Traditionelle Methoden k\u00f6nnen diese Probleme l\u00f6sen, und nat\u00fcrlich kann bei ausreichend gro\u00dfen Datenmengen End-to-End eine bessere L\u00f6sung bieten.<\/p>\n
1. Steuerungssignale und Wegpunkte m\u00fcssen ausgegeben werden, um als End-to-End zu gelten.<\/p>\n
Wenn Sie mit dem oben diskutierten breiten End-to-End-Konzept einverstanden sind, ist dieses Problem leicht verst\u00e4ndlich. End-to-End sollte die verlustfreie \u00dcbertragung von Informationen betonen, anstatt direkt das Aufgabenvolumen auszugeben. Ein enger End-to-End-Ansatz wird viel unn\u00f6tige Probleme verursachen und viele verdeckte L\u00f6sungen erfordern, um die Sicherheit zu gew\u00e4hrleisten.<\/p>\n
2. Das End-to-End-System muss auf gro\u00dfen Modellen oder rein visuellen Ans\u00e4tzen basieren.<\/p>\n
Es besteht keine notwendige Verbindung zwischen autonomem Fahren mit End-to-End, gro\u00dfmodellbasiertem autonomen Fahren und rein visuellem autonomen Fahren, da sie v\u00f6llig unabh\u00e4ngige Konzepte sind; ein End-to-End-System wird nicht notwendigerweise von gro\u00dfen Modellen angetrieben, noch wird es unbedingt durch reines Sehen gesteuert.<\/p>\n
![\"End-to-End-Fahrentwicklungssystem\"](\"\/uploads\/End-to-end-autonomous-driving-research-and-development-system.png\")
<\/p>\n
3. Ist es langfristig m\u00f6glich, dass das oben erw\u00e4hnte End-to-End-System im engen Sinne das autonome Fahren \u00fcber L3 hinaus erreicht?<\/p>\n
\n
Die Leistung dessen, was derzeit als reines End-to-End-FSD bezeichnet wird, ist bei weitem nicht ausreichend, um die Zuverl\u00e4ssigkeit und Stabilit\u00e4t zu erf\u00fcllen, die auf L3-Niveau erforderlich sind. Um es klarer zu sagen: Wenn das System akzeptiert werden soll, ist es entscheidend, ob die \u00d6ffentlichkeit akzeptieren kann, dass das System in manchen F\u00e4llen Fehler macht, und Menschen diese leicht beheben k\u00f6nnen. Das ist f\u00fcr ein reines End-to-End-System schwieriger.<\/p>\n
<\/p>\n
Zum Beispiel hatten sowohl Waymo als auch Cruise in Deutschland viele Unf\u00e4lle. Der letzte Unfall von Cruise f\u00fchrte zu zwei Verletzungen, obwohl solche Unf\u00e4lle f\u00fcr menschliche Fahrer ziemlich unvermeidlich und akzeptabel sind. Nach diesem Unfall wurde die Position des Unfalls und der Verletzten falsch eingesch\u00e4tzt, und das System schaltete in den PULL-OVER-Modus, was dazu f\u00fchrte, dass die Verletzten lange gezogen wurden. Dieses Verhalten ist f\u00fcr jeden normalen menschlichen Fahrer inakzeptabel. Es wird nicht gemacht, und die Ergebnisse w\u00e4ren sehr schlecht.<\/p>\n
<\/p>\n
Au\u00dferdem ist dies ein Weckruf, dass wir sorgf\u00e4ltig \u00fcberlegen sollten, wie wir diese Situation w\u00e4hrend der Entwicklung und des Betriebs autonomer Fahrsysteme vermeiden k\u00f6nnen.<\/p>\n
4. Welche praktischen L\u00f6sungen gibt es derzeit f\u00fcr die n\u00e4chste Generation von serienm\u00e4\u00dfig assistierten Fahrsystemen?<\/p>\n
\n
Nach meinem aktuellen Verst\u00e4ndnis wird bei Verwendung des sogenannten End-to-End-Modells beim Fahren nach der Ausgabe der Fahrspur eine L\u00f6sung auf Basis traditioneller Methoden zur\u00fcckgegeben. Alternativ geben lernbasierte Planer und traditionelle Trajektorienplanungsalgorithmen mehrere Trajektorien gleichzeitig aus und w\u00e4hlen dann eine Trajektorie durch einen Selektor aus.<\/p>\n
<\/p>\n
Diese Art von verdeckter L\u00f6sung und Auswahl begrenzt die Obergrenze der Leistung dieses Kaskadensystems, wenn diese Systemarchitektur \u00fcbernommen wird. Wenn diese Methode weiterhin auf reinem Feedback-Lernen basiert, werden unvorhersehbare Fehler auftreten, und das Ziel der Sicherheit wird \u00fcberhaupt nicht erreicht.<\/p>\n
<\/p>\n
Wenn wir in Betracht ziehen, diese Ausgabekurve mit traditionellen Planungsmethoden neu zu optimieren oder auszuw\u00e4hlen, entspricht dies der von der lerngetriebenen Methode erzeugten Kurve; warum also optimieren und durchsuchen wir diese Kurve nicht direkt?<\/p>\n
<\/p>\n
Nat\u00fcrlich w\u00fcrden einige\u00a0Menschen\u00a0sagen, dass ein solcher Optimierungs- oder Suchprozess nicht-konvex ist, einen gro\u00dfen\u00a0Zustandsraum\u00a0hat und unm\u00f6glich in Echtzeit auf einem Fahrzeug-System ausgef\u00fchrt werden kann. Ich bitte alle, diese Frage sorgf\u00e4ltig zu bedenken: In den letzten zehn Jahren hat das Wahrnehmungssystem mindestens das Hundertfache an Rechenleistung erhalten, aber was ist mit unserem PnC-Modul?<\/p>\n
<\/p>\n
Wenn wir dem PnC-Modul ebenfalls erlauben,\u00a0gro\u00dfe\u00a0Rechenleistung zu nutzen, kombiniert mit\u00a0einigen\u00a0Fortschritten bei fortgeschrittenen Optimierungsalgorithmen in den letzten Jahren, ist diese Schlussfolgerung dann noch korrekt? F\u00fcr diese Art von Problem sollten wir \u00fcberlegen, was\u00a0richtig\u00a0ist, basierend auf ersten Prinzipien.<\/p>\n
5.Wie\u00a0kann man\u00a0die Beziehung zwischen datengetriebenen und traditionellen Methoden\u00a0vers\u00f6hnen?<\/p>\n
\n
Schachspielen ist ein Beispiel, das sehr \u00e4hnlich zum autonomen Fahren ist. Im Februar dieses Jahres ver\u00f6ffentlichte Deepmind einen Artikel mit dem Titel\u00a0\u201cGrandmaster-Level Chess Without Search\u201d,\u00a0der diskutiert, ob es machbar ist, nur datengetrieben\u00a0zu verwenden und MCTS-Suche in AlphaGo und AlphaZero aufzugeben. \u00c4hnlich wie beim autonomen Fahren wird nur ein Netzwerk\u00a0verwendet,\u00a0um direkt Aktionen auszugeben, w\u00e4hrend alle nachfolgenden Schritte\u00a0ignoriert werden.<\/p>\n
<\/p>\n
Der Artikel kommt zu dem Schluss, dass trotz erheblicher Datenmengen und Modellparameter\u00a0ziemlich vern\u00fcnftige Ergebnisse\u00a0ohne\u00a0die Verwendung einer Suche erzielt werden k\u00f6nnen. Es gibt jedoch bedeutende Unterschiede im Vergleich zu Methoden, die Suche verwenden.\u00a0Dies\u00a0ist besonders n\u00fctzlich bei der Bew\u00e4ltigung einiger komplexer Endspiele.<\/p>\n
<\/p>\n
F\u00fcr\u00a0komplexe Szenarien oder Grenzf\u00e4lle, die Mehrschrittspiele erfordern, macht diese Analogie es dennoch schwierig, traditionelle Optimierungs- oder Suchalgorithmen vollst\u00e4ndig aufzugeben. Die vern\u00fcnftige Nutzung der Vorteile verschiedener Technologien wie AlphaZero\u00a0ist der beste Weg, um die Leistung zu verbessern.<\/p>\n
![\"Fahrzeugsteuerung\"](\"\/uploads\/Vehicle-Control1.png\")
<\/p>\n
6.Traditionelle Methode = regelbasiert mit if-else?<\/p>\n
\n
Ich musste dieses Konzept immer wieder korrigieren, w\u00e4hrend ich mit vielen Menschen sprach. Viele glauben, dass alles, was nicht rein datengetrieben ist, nicht regelbasiert ist. Zum Beispiel ist beim Schach das Auswendiglernen von Formeln und Schachaufzeichnungen nach Auswendiglernen regelbasiert, aber wie\u00a0bei\u00a0AlphaGo und AlphaZero gibt es dem Modell durch Optimierung und Suche die F\u00e4higkeit, rational zu sein. Ich\u00a0denke\u00a0nicht, dass es regelbasiert genannt werden kann.<\/p>\n
<\/p>\n
Aus diesem Grund fehlt derzeit das gro\u00dfe Modell selbst, und Forscher versuchen, ein lerngetriebenes Modell durch Methoden wie CoT bereitzustellen. Im Gegensatz zu Aufgaben, die reine datengetriebene Bilderkennung und unerkl\u00e4rliche Gr\u00fcnde erfordern, hat jede Aktion eines Fahrers\u00a0eine klare\u00a0Antriebskraft.<\/p>\n
<\/p>\n
Unter der geeigneten Algorithmusarchitektur sollte die Entscheidungsbahn variabel werden und\u00a0unter Anleitung wissenschaftlicher\u00a0Ziele\u00a0einheitlich optimiert werden, anstatt Parameter gewaltsam zu patchen und anzupassen, um verschiedene F\u00e4lle zu beheben. Ein solches System hat nat\u00fcrlich keine allerlei hartkodierte, seltsame Regeln.<\/p>\n
Kurz gesagt, End-to-End k\u00f6nnte ein vielversprechender technischer Ansatz sein, aber wie das Konzept angewendet wird, erfordert mehr Forschung. Ich denke, eine Menge Daten und Modellparameter sind nicht die einzige richtige L\u00f6sung, und wenn wir andere \u00fcbertreffen wollen, m\u00fcssen wir weiter hart arbeiten.<\/p>","protected":false},"excerpt":{"rendered":"
Wie definiert man ein End-to-End-Autonomes Fahrsystem? Die gebr\u00e4uchlichste Definition ist, dass ein \u201cEnd-to-End\u201d-System ein System ist, das Rohsensordaten eingibt und direkt Variablen ausgibt, die f\u00fcr die Aufgabe relevant sind. Zum Beispiel kann bei der Bilderkennung ein CNN als \u201cEnd-to-End\u201d-System bezeichnet werden, im Vergleich zur traditionellen Methode mit Merkmalen + Klassifikator. Bei autonomen Fahraufgaben werden Daten von verschiedenen Sensoren (wie Kameras, LiDAR, Radar oder IMU\u2026) eingegeben, und Fahrzeugsteuerungssignale (wie...<\/p>","protected":false},"author":36,"featured_media":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"_kad_post_transparent":"","_kad_post_title":"","_kad_post_layout":"","_kad_post_sidebar_id":"","_kad_post_content_style":"","_kad_post_vertical_padding":"","_kad_post_feature":"","_kad_post_feature_position":"","_kad_post_header":false,"_kad_post_footer":false,"_kad_post_classname":""},"class_list":["post-19031","news","type-news","status-publish","hentry","news_catalog-industry-information"],"acf":[],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/www.suqinszconnectors.com\/de\/wp-json\/wp\/v2\/news\/19031","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.suqinszconnectors.com\/de\/wp-json\/wp\/v2\/news"}],"about":[{"href":"https:\/\/www.suqinszconnectors.com\/de\/wp-json\/wp\/v2\/types\/news"}],"author":[{"embeddable":true,"href":"https:\/\/www.suqinszconnectors.com\/de\/wp-json\/wp\/v2\/users\/36"}],"replies":[{"embeddable":true,"href":"https:\/\/www.suqinszconnectors.com\/de\/wp-json\/wp\/v2\/comments?post=19031"}],"wp:attachment":[{"href":"https:\/\/www.suqinszconnectors.com\/de\/wp-json\/wp\/v2\/media?parent=19031"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}