用于长上下文自动驾驶的规划一致的词元压缩

整体视觉动作模型代表了自动驾驶的新兴范例。然而，在对复杂交互的扩展时间上下文进行编码时，这种架构生成的词元序列很快就会超出实时计算预算。虽然线性 Transformer 和外部存储器等方法试图使上下文变得轻量级，但词元压缩与架构最兼容，因为它不需要主干修改。然而，现有的压缩采用基于规则的启发式方法，例如时间衰减，与规划脱钩，存在丢失决策关键信息的风险。我们提出了 COMPACT-VA，这是一种基于条件 VQ-VAE 构建的与计划一致的工作记忆框架，将扩展上下文压缩为有界表示。压缩取决于历史轨迹和学习的规划意图，后编码器在训练期间从未来轨迹中提取，而先验编码器学习从压缩观察中预测它。压缩的内存与预测的潜在变量相连接，为端到端优化策略提供支持，并利用保留的决策关键信息进行规划。我们评估高信号动态场景，其中历史背景对于行为正确性（例如，停止、让步或继续）最为关键，并相应地设计行为指标。在可比较的 词元预算 下，我们的成功率提高了 6% 以上 (68.3%)，并且各个指标的收益一致。消融验证了规划一致的耦合有效性。闭环评估证实，与未压缩处理相比，COMPACT-VA 保持了一般驾驶性能，加速速度提高了 3.3 倍，内存减少了 2.7 倍。