التحيزات الخفية في نماذج القيادة من النهاية إلى النهاية

حققت أنظمة القيادة من النهاية إلى النهاية تقدمًا سريعًا مؤخرًا، خاصة على منصة CARLA. بغض النظر عن مساهمتها الرئيسية، فإن هذه الأنظمة تجلب تغييرات في المكونات الثانوية للنظام. نتيجة لذلك، فإن مصدر التحسينات غير واضح. نحدد اثنين من التحيزات التي تتكرر في几乎所有最先进的方法，并对在CARLA上观察到的进步至关重要：(1) 通过强烈的归纳偏见进行横向恢复（目标点跟随），以及 (2) 对多模态航路点预测进行纵向平均以减速。我们研究了这些偏见的缺点，并确定了有原则的替代方案。通过结合我们的见解，我们开发了TF++，这是一种简单的端到端方法，在Longest6和LAV基准测试中排名第一，在Longest6上的驾驶得分比之前最好的工作提高了11分。修正后的翻译如下：حققت أنظمة القيادة من النهاية إلى النهاية تقدمًا سريعًا مؤخرًا، خاصة على منصة CARLA. بغض النظر عن مساهمتها الرئيسية، فإن هذه الأنظمة تجلب تغييرات في المكونات الثانوية للنظام. نتيجة لذلك، فإن مصدر التحسينات غير واضح. نحدد اثنين من التحيزات التي تتكرر في جميع الأساليب الأكثر تقدمًا تقريبًا وتحظى بأهمية حاسمة للفائدة الملاحظة على CARLA: (1) التعافي الجانبي عبر تحيز استقرائي قوي نحو متابعة نقطة الهدف، و (2) المتوسط الطولي للتنبؤات متعددة الأنماط لنقاط الطريق بهدف التباطؤ. ندرس عيوب هذه التحيزات ونحدد بدائل مبدئية. من خلال دمج رؤيتنا، طورنا طريقة TF++ البسيطة من النهاية إلى النهاية والتي تحتل المركز الأول في مقاييس Longest6 و LAV، حيث حققت زيادة قدرها 11 نقطة في درجة القيادة مقارنة بأفضل الأعمال السابقة على Longest6.