es.wedoany.com Noticia: El modelo de conducción autónoma multimodal end-to-end de una sola etapa iDriveVLA, desarrollado de forma independiente por el equipo del académico Li Keqiang de la Facultad de Vehículos de la Universidad Tsinghua (liderado por el profesor Li Shengbo y el investigador asistente Guan Yang), ha obtenido el primer lugar mundial en el punto de referencia internacional de evaluación de conducción autónoma NAVSIM. El modelo alcanzó una puntuación de 94,85 en el índice integral central PDMS, lo que representa un avance significativo del equipo en la dirección de modelos base end-to-end, tras haber desarrollado el primer sistema de conducción autónoma end-to-end full-stack de China.
iDriveVLA es un modelo multimodal end-to-end de una sola etapa que aborda dos innovaciones clave para superar el desafío de equilibrar la completitud de las trayectorias y la precisión de selección en los modelos de conducción autónoma. En primer lugar, se ha construido una arquitectura de modelo de red neuronal de atención mutua con desacoplamiento jerárquico, que incluye componentes atómicos de unidades comunes como un codificador de imágenes, un decodificador de trayectorias multimodales y un decodificador de evaluación y selección. Estos componentes se optimizan mediante la combinación de semántica de conducción macro y puntuaciones de rendimiento micro, junto con un mecanismo de filtrado probabilístico de compuerta para trayectorias de bajo rendimiento, mejorando la capacidad de comprensión cognitiva del modelo sobre requisitos como la seguridad y el cumplimiento normativo en la conducción. En segundo lugar, la plataforma de entrenamiento adopta el método de entrenamiento escalonado de dos etapas propuesto por el equipo, que consiste primero en un preentrenamiento supervisado seguido de un ajuste fino por aprendizaje por refuerzo: inicialmente, se establece la capacidad básica de conducción del modelo mediante el aprendizaje por imitación de trayectorias de conducción de expertos, y luego se utilizan tres tecnologías clave de aprendizaje por refuerzo: BPO con gradientes armónicos para resistir conflictos de datos de múltiples fuentes, la función de pérdida híbrida ponderada por distribución exponencial Hybrid-Loss, y el algoritmo de ajuste fino STAPO para eliminar tokens falsos, logrando una generación de alta completitud y una evaluación precisa de trayectorias multimodales en escenarios de tráfico urbano. Este resultado refleja la capacidad de innovación continua del equipo en la dirección de modelos base de conducción autónoma integrados vehículo-carretera-nube, proporcionando soporte técnico para el desarrollo de sistemas de conducción autónoma de alta seguridad, alta fiabilidad y alta generalización.
Esta investigación ha recibido financiación del Proyecto Clave de la Fundación Nacional de Ciencias Naturales de China, del Proyecto Conjunto Regional de la Fundación de Ciencias Naturales de Pekín y de Dongfeng Motor Group Co., Ltd.
El desafío NAVSIM fue coorganizado por NVIDIA, la Universidad de Stanford, la Universidad de Tubinga, el Laboratorio de Inteligencia Artificial de Shanghái y otras instituciones, y fue anunciado oficialmente en 2024 en la conferencia CVPR, una de las principales conferencias en el campo de la inteligencia artificial. Es un punto de referencia público importante en el ámbito de la conducción autónoma end-to-end. Según estadísticas no exhaustivas, en los últimos años ha atraído a más de 143 equipos y 463 modelos, reuniendo a empresas reconocidas nacionales e internacionales como NVIDIA, Bosch, Valeo.ai, Horizon Robotics, Xiaomi Auto, Changan Auto, Huawei Yinwang, Qianli Technology, así como a universidades de prestigio como UCLA, la Universidad de Toronto, la Escuela Politécnica Federal de Lausana, la Universidad de Hong Kong y la Universidad de Fudan. El desafío utiliza el Predictive Driver Model Score (PDMS) como indicador técnico central, evaluando la capacidad de conducción autónoma de los modelos presentados mediante el cálculo integral de múltiples dimensiones como el riesgo de colisión, el progreso de la conducción, el cumplimiento normativo y la comodidad en un horizonte temporal fijo.
