双层规划的自主驾驶推理框架DualAD
原文中文，约400字，阅读约需1分钟。发表于：。本研究针对自主驾驶中的推理问题，提出了DualAD框架，旨在模仿人类在驾驶中的推理方式。该框架通过构建双层结构，底层为基于规则的运动规划器，负责 routine 驾驶任务，而上层为基于规则的文本编码器，将驾驶场景转换为文本描述，并由大型语言模型进行处理。这一方法显著提升了驾驶决策的有效性，特别是在危险检测时，显示出其巨大潜力。
最新的自动驾驶方法将多个子任务整合为一个流水线，通过潜在表示进行端到端训练。与传统方法不同，该方法使用专用表示解耦动态和静态元素，并灵活传播置信状态。动态对象通过动态-静态交叉注意力从静态场景中获益。实验显示，双流设计在高动态代理建模和时间一致性上有优势，DualAD方法在所有驾驶任务上表现优于之前的模型。
