【LAW：利用潜在世界模型实现自动驾驶端到端规划】

文章预览

\x26amp;quot;Enhancing End-to-End Autonomous Driving with Latent World Model\x26amp;quot; 这篇文章介绍了一种新颖的自监督学习方法，旨在提高端到端自动驾驶的性能，同时避免需要昂贵的标签。具体来说，文章中提出的框架LAW（Learning with Latent World model）使用了一种潜在世界模型（LAtent World model）来基于预测的自我动作和当前帧的潜在特征来预测未来的潜在特征。这些预测的潜在特征通过未来实际观察到的特征进行监督，从而联合优化潜在特征学习和动作预测，显著提高了驾驶性能。最终，该方法在无需手动注释的情况下，在开放循环和封闭循环基准测试中均取得了最先进的结果。 此外，文章还提出了一种基于潜在世界模型的视图选择策略，该策略可以在最小化性能损失的同时，显著加快整个流程的速度。通过这种方法，可以跳过未来帧中某些视图的特征提取过程 ………………………………