Addressing the Waypoint-Action Gap in End-to-End Autonomous Driving via Vehicle Motion Models

Resumen Técnico: Abordando la brecha entre Waypoint y Acción en la Conducción Autónoma de Extremo a Extremo mediante Modelos de Movimiento de Vehículos

1. Planteamiento del Problema

Los sistemas de Conducción Autónoma de Extremo a Extremo (E2E-AD) se dividen actualmente en dos paradigmas basados en su salida: modelos basados en waypoints (puntos de paso), que predicen trayectorias futuras, y modelos basados en acciones, que generan directamente controles de bajo nivel (aceleración, dirección, frenado). Si bien las políticas basadas en acciones ofrecen ventajas como una menor dependencia de un GPS de alta precisión y una mejor adecuación para áreas rurales con mala conectividad, la comunidad de investigación favorece cada vez más los enfoques basados en waypoints.

Este cambio ha creado una "brecha entre Waypoint y Acción". La mayoría de los benchmarks modernos (por ejemplo, NAVSIM, Bench2Drive) y los procesos de entrenamiento están diseñados exclusivamente para salidas de waypoints. En consecuencia, las políticas basadas en acciones no pueden entrenarse o evaluarse directamente dentro de estos marcos sin introducir interfaces no estandarizadas (por ejemplo, discretizando los espacios de control). Este desequilibrio obstaculiza la comparación justa y el progreso de los métodos basados en acciones. El artículo pretende cerrar esta brecha permitiendo que las arquitecturas basadas en acciones se entrenen y evalúen dentro de los benchmarks existentes sin modificar los protocolos de evaluación.

2. Metodología

Los autores proponen un marco de modelo de vehículo diferenciable que actúa como un puente analítico entre las representaciones de acción y waypoint. El mecanismo central es un operador de elevación ($F_\phi$) que proyecta secuencias de acciones predichas en trayectorias de waypoints correspondientes en el marco del ego-vehículo. Esto permite al sistema supervisar políticas basadas en acciones utilizando funciones de pérdida en el espacio de waypoints.

Componentes Clave:

• El Operador de Elevación ($F_\phi$): Este operador toma una secuencia de acciones de bajo nivel ($a_t$) y el estado inicial del vehículo ($s_t$) para producir una secuencia de waypoints ($w_t$). Se descompone en tres componentes modulares y diferenciables:
  1. Activación de Control ($\psi_\phi$): Mapea las salidas brutas de la red a controles físicos acotados (por ejemplo, usando sigmoid/tanh para aceleración y dirección).
  2. Proyección de Dinámica ($f_\phi$): Propaga el estado cinemático hacia adelante en el tiempo utilizando la dinámica del vehículo.
  3. Proyección de Pose ($h$): Extrae la posición planar $(x, y)$ del vector de estado completo.
• Instanciaciones del Modelo: El marco se instancia con dos modelos de vehículo específicos:
  • Modelo de Bicicleta Cinemática (KBM): Un modelo de un solo eje que captura restricciones no holonómicas, integrado mediante métodos de Euler o Runge-Kutta (RK4).
  • Planificador de Trayectoria de Curvatura Continua (CCPP): Un modelo que genera trayectorias suaves utilizando arcos de clotoide para asegurar la continuidad de la curvatura, evitando las discontinuidades de dirección de las rutas de círculo-recto.
  • Línea Base MLP: Se utiliza un Perceptrón Multicapa como un operador de elevación basado en datos para comparar con los modelos basados en física.
• Pipeline de Entrenamiento: La red de política ($N_\theta$) predice acciones a partir de observaciones y comandos. Estas acciones pasan a través del operador de elevación diferenciable para generar waypoints predichos. Se calcula una pérdida L1 ponderada entre los waypoints predichos y los waypoints de referencia (ground-truth). Los gradientes fluyen de vuelta a través del operador de elevación para actualizar los parámetros de la política, mientras que los parámetros del modelo de vehículo permanecen fijos.

3. Contribuciones Principales

El artículo describe tres contribuciones primarias:

1. Objetivo de Entrenamiento Basado en Waypoints para Políticas de Acción: Los autores demuestran que acoplar las políticas de acción a su marco y supervisarlas con una pérdida en el espacio de waypoints resulta en una evaluación más estable, un mayor rendimiento en bucle cerrado y una correlación más fuerte con los resultados de conducción en comparación con los objetivos estándar en el espacio de acción.
2. Marco Diferenciable y Determinista: Este trabajo introduce, por primera vez, un marco de dinámica de vehículos determinista y diferenciable diseñado específicamente para elevar acciones de bajo nivel a waypoints, permitiendo su uso en benchmarks estándar.
3. Comparación Unificada entre Paradigmas: Al instanciar el marco con KBM y CCPP, los autores permiten que las políticas basadas en acciones y en waypoints sean entrenadas y evaluadas bajo el mismo protocolo de waypoint sin alterar las interfaces existentes de los benchmarks.

4. Resultados Experimentales

El marco fue evaluado en cuatro benchmarks desafiantes: NAVSIM navtest, NAVSIM navhard, Bench2Drive y un protocolo basado en CARLA.

• NAVSIM navhard (Reactivo): El enfoque logró un rendimiento de vanguardia (SOTA) entre los modelos puramente de visión. Específicamente, MILE acoplado con el operador de elevación CCPP alcanzó una puntuación de Modelo de Conductor Predictivo Extendido (EPDMS) de 29.5, superando al baseline de visión más fuerte (Latent TransFuser).
• NASIM navtest (No reactivo): El marco permitió que las políticas basadas en acciones igualaran o se acercaran estrechamente a los baselines basados en waypoints. CIL++ con KBM logró una puntuación de Métrica de Discrepancia de Planificación (PDMS) de 83.3, dentro del 1.5% del modelo de solo waypoint (LAW) de vanguardia.
• Bench2Drive (Bucle Cerrado): El marco mejoró significamente el rendimiento en bucle cerrado. Para la línea base CIL++, la Puntuación de Conducción (DS) mejoró hasta un 61.1% (de 43.6 a 66.9 con CCPP), y la Completitud de Ruta (RC) mejoró en más del 30%.
• Estabilidad de Entrenamiento: El uso de la integración RK4 (particularmente con CCPP) redujo significamente la varianza en la dinámica de entrenamiento en comparación con la integración de Euler, lo que condujo a una selección de modelos más robusta.
• Estudio de Correlación: El artículo encontró que los errores a nivel de waypoint generados por el marco (KBM/CCFP) se correlacionan más fuertemente con las Tasas de Éxito en bucle cerrado que los errores brutos en el espacio de acción, lo que sugiere que la supervisión a nivel de trayectoria es un mejor indicador del rendimiento en el mundo real.

5. Significado y Reivindicaciones

El artículo afirma que su marco cierra eficazmente la división metodológica entre la conducción autónoma basada en acciones y la basada en waypoints. Al permitir que las políticas basadas en acciones se entrenen y evalúen dentro del dominante ecosistema de benchmarks centrados en waypoints, este trabajo elimina una barrera significativa para el desarrollo y la comparación de enfoques basados en control.

Los autores enfatizan que su método no requiere modificar los protocolos de benchmark existentes, lo que lo convierte en un mecanismo general para adaptar las políticas basadas en acciones. Señalan que, aunque el marco asume un movimiento planar ($R^2$) y descuida efectos 3D como el peralte o la suspensión, logra aprovechar con éxito los modelos de vehículos físicos para mejorar la estabilidad y el rendimiento del aprendizaje de extremo a extremo. El trabajo sugiere que incorporar la estructura cinemática mediante la elevación diferenciable es beneficioso, particularmente en entornos reactivos donde los errores se acumulan con el tiempo.