💻 computer science

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

Cet article propose un cadre de mouvement de véhicule différentiable qui comble l'écart entre la conduite autonome de bout en bout basée sur les points de passage et celle basée sur les actions en permettant aux politiques basées sur les actions d'être entraînées et évaluées au sein des bancs d'essai standards basés sur les points de passage, atteignant ainsi des performances de pointe sur NAVSIM.

Auteurs originaux : Jorge Daniel Rodríguez-Vidal, Gabriel Villalonga, Diego Porres, Antonio M. López Peña

Publié 2026-02-10

📖 4 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Jorge Daniel Rodríguez-Vidal, Gabriel Villalonga, Diego Porres, Antonio M. López Peña

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous enseigniez à un robot comment conduire une voiture. Il y a deux manières principales de dire au robot ce qu'il doit faire :

La méthode du « Volant » (basée sur l'action) : Vous dites au robot : « Tourne le volant de 5 degrés vers la gauche, appuie un peu sur l'accélérateur et ne freine pas. » C'est comme donner des commandes spécifiques de bas niveau à un pilote.
La méthode de la « Route par points de passage » (basée sur les points de passage) : Vous dites au robot : « Conduis jusqu'à ce point précis sur la carte, puis vers celui-là, puis vers le suivant. » C'est comme donner un GPS une liste de destinations à atteindre.

Le Problème : La barrière de la langue
Pendant longtemps, la méthode de la « Route par points de passage » est devenue la norme de référence. La plupart des tests, compétitions et programmes d'entraînement pour les voitures autonomes sont conçus pour vérifier si le robot atteint ces points de passage spécifiques (waypoints) sur la carte.

Cependant, de nombreux chercheurs préfèrent la méthode du « Volant » car elle est plus flexible et ne nécessite pas de cartes GPS parfaites (ce qui est idéal pour les zones rurales). Le problème ? Vous ne pouvez pas facilement tester un robot de type « Volant » dans une compétition de type « Points de passage ». C'est comme essayer de participer à un tournoi d'échecs alors que vous ne savez jouer qu'aux dames ; les règles ne correspondent pas à vos mouvements. Cela a créé un « fossé » où les bons robots de type « Volant » ne pouvaient pas prouver leur valeur car les tests étaient construits pour les robots de type « Points de passage ».

La Solution : Le « Traducteur Universel »
Les auteurs de cet article ont construit un « traducteur » ingénieux ou un pont pour corriger cela.

Ils ont créé un outil spécial, basé sur les mathématiques (appelé modèle de véhicule différentiable), qui agit comme un simulateur à l'intérieur du processus d'entraînement. Voici comment cela fonctionne :

L'Entrée : Le robot donne ses commandes de « Volant » (direction, accélération, freinage).
La Simulation : L'outil calcule instantanément : « Si la voiture fait exactement ce que tu as dit, où sera-t-elle dans 1 seconde ? Où sera-t-elle dans 2 secondes ? » Il transforme ces commandes de bas niveau en une liste de points de passage (waypoints).
La Vérification : Le système vérifie ensuite si ces points de passage calculés correspondent au chemin « correct ».
L'Apprentissage : Si le robot dévie de sa trajectoire, le système envoie un « signal de correction » à travers le simulateur vers le robot, lui apprenant comment ajuster sa direction et son accélération pour atteindre les points cibles.

Pourquoi est-ce génial ?

Un terrain de jeu équitable : Désormais, un robot qui pense en commandes de « Volant » peut rivaliser dans des tournois de « Points de passage » sans changer les règles du jeu.
C'est flexible : Les auteurs ont testé deux types de « traducteurs » :
- Le Modèle de Bicyclette (KBM) : Imaginez que la voiture est une bicyclette. C'est une façon simple et rapide de deviner où va la voiture.
- Le Modèle de Courbe Lisse (CCPP) : Imaginez que la voiture dessine un ruban parfait et lisse sur le sol. C'est plus complexe, mais cela gère mieux les virages serrés et les courbes, comme un pilote de course professionnel.
De meilleurs résultats : Lorsqu'ils ont utilisé ce pont, les robots de type « Volant » ont performé aussi bien, voire mieux, que les robots de type « Points de passage » lors de tests de conduite difficiles.

Ce qu'il faut retenir
L'article montre que vous n'avez pas à choisir entre enseigner à un robot comment conduire en tournant le volant ou en suivant une carte. Vous pouvez lui apprendre à tourner le volant, et utiliser ce « pont mathématique » pour faire semblant qu'il suit une carte aux fins de test et de notation. Cela permet de comparer équitablement les meilleurs styles de conduite, menant à des voitures autonomes plus sûres et plus intelligentes.

Ce qu'ils n'ont pas affirmé :

Ils n'ont pas affirmé que cela résout tous les problèmes de conduite autonome (comme les collines en 3D ou les rebonds de suspension).
Ils n'ont pas affirmé qu'il s'agit d'un outil médical ou d'une application future spécifique ; il s'agit strictement d'une méthode pour améliorer la façon dont nous entraînons et testons les logiciels de conduite actuellement.

Résumé Technique : Combler l'écart entre Waypoint et Action dans la conduite autonome de bout en bout via des modèles de mouvement de véhicule

1. Énoncé du problème

Les systèmes de conduite autonome de bout en bout (E2E-AD) sont actuellement divisés en deux paradigmes basés sur leur sortie : les modèles basés sur les points de passage (waypoints), qui prédisent des trajectoires futures, et les modèles basés sur l'action, qui produisent directement des commandes de bas niveau (accélération, direction, freinage). Bien que les politiques basées sur l'action offrent des avantages tels qu'une dépendance réduite à un GPS de haute précision et une meilleure adaptabilité aux zones rurales mal connectées, la communauté de recherche privilégie de plus en plus les approches basées sur les waypoints.

Ce changement a créé un « écart Waypoint–Action ». La plupart des bancs d'essai modernes (par exemple, NAVSIM, Bench2Drive) et des pipelines d'entraînement sont conçus exclusivement pour des sorties de type waypoint. Par conséquent, les politiques basées sur l'action ne peuvent pas être entraînées ou évaluées directement dans ces cadres sans introduire des interfaces non standard (par exemple, la discrétisation des espaces de contrôle). Ce déséquilibre entrave la comparaison équitable et les progrès des méthodes basées sur l'action. Cet article vise à combler cet écart en permettant aux architectures basées sur l'action d'être entraînées et évaluées au sein des bancs d'essai existants basés sur les waypoints, sans modifier les protocoles d'évaluation.

2. Méthodologie

Les auteurs proposent un cadre de modèle de véhicule différentiable qui agit comme un pont analytique entre les représentations d'action et de waypoint. Le mécanisme central est un opérateur de levage ( $F_\phi$ ) qui projette des séquences d'actions prédites en trajectoires de waypoints correspondantes dans le référentiel de l'ego-véhicule. Cela permet au système de superviser les politiques basées sur l'action en utilisant des fonctions de perte dans l'espace des waypoints.

Composants clés :

L'opérateur de levage ( $F_\phi$ ) : Cet opérateur prend une séquence d'actions de bas niveau ( $a_t$ $a_{t}$ ) et l'état initial du véhicule ( $s_t$ $s_{t}$ ) pour produire une séquence de waypoints ( $w_t$ $w_{t}$ ). Il est décomposé en trois composants modulaires et différentiables :
1. Activation du contrôle ( $\psi_\phi$ ) : Mappe les sorties brutes du réseau vers des contrôles physiques bornés (par exemple, en utilisant sigmoid/tanh pour l'accélération et la direction).
2. Déroulement de la dynamique ( $f_\phi$ ) : Propage l'état cinématique vers l'avant dans le temps en utilisant la dynamique du véhicule.
3. Projection de pose ( $h$ ) : Extrait la position planaire $(x, y)$ du vecteur d'état complet.
Instanciations du modèle : Le cadre est instancié avec deux modèles de véhicule spécifiques :
- Modèle de bicyclette cinématique (KBM) : Un modèle à une voie capturant les contraintes non holonomes, intégré via les méthodes d'Euler ou de Runge-Kutta (RK4).
- Planificateur de trajectoire à courbure continue (CCPP) : Un modèle générant des trajectoires fluides à l'aide d'arcs de clothoïde pour assurer la continuité de la courbure, évitant ainsi les discontinuités de direction des chemins circulaires directs.
- Baseline MLP : Un perceptron multicouche est également utilisé comme opérateur de levage fondé sur les données pour comparer avec les modèles physiques.
Pipeline d'entraînement : Le réseau de politique ( $N_\theta$ ) prédit des actions à partir d'observations et de commandes. Ces actions passent par l'opérateur de levage différentiable pour générer des waypoints prédits. Une perte L1 pondérée est calculée entre les waypoints prédits et les waypoints de vérité terrain. Les gradients remontent à travers l'opérateur de levage pour mettre à jour les paramètres de la politique, tandis que les paramètres du modèle de véhicule restent fixes.

3. Principales contributions

L'article présente trois contributions principales :

Objectif d'entraînement basé sur les waypoints pour les politiques d'action : Les auteurs démontrent que le couplage des politiques d'action à leur cadre et leur supervision via une perte dans l'espace des waypoints permet d'obtenir une évaluation plus stable, une performance en boucle fermée plus élevée et une corrélation plus forte avec les résultats de conduite par rapport aux objectifs standards dans l'espace des actions.
Cadre différentiable et déterministe : Ce travail introduit, pour la première fois, un cadre de dynamique de véhicule déterministe et différentiable spécifiquement conçu pour lever des actions de bas niveau vers des waypoints, permettant leur utilisation dans les bancs d'essai standards.
Comparaison unifiée entre les paradigmes : En instanciant le cadre avec KBM et CCPP, les auteurs permettent aux politiques basées sur l'action et sur les waypoints d'être entraînées et évaluées sous le même protocole de waypoint sans modifier les interfaces des bancs d'essai existants.

4. Résultats expérimentaux

Le cadre a été évalué sur quatre bancs d'essai exigeants : NAVSIM navtest, NAVSIM navhard, Bench2Drive et un protocole basé sur CARLA.

NAVSIM navhard (Réactif) : L'approche a atteint des performances de pointe (SOTA) parmi les modèles purement visuels. Plus précisément, MILE couplé à l'opérateur de levage CCPP a atteint un score EPDMS (Extended Predictive Driver Model Score) de 29,5, surpassant le plus fort baseline purement visuel (Latent TransFuser).
NAVSIM navtest (Non réactif) : Le cadre a permis aux politiques basées sur l'action d'égaler ou de s'approcher étroitement des baselines basées sur les waypoints. CIL++ avec KBM a obtenu un score PDMS (Planning Discrepancy Metric Score) de 83,3, soit à moins de 1,5 % du modèle SOTA basé uniquement sur les waypoints (LAW).
Bench2Drive (Boucle fermée) : Le cadre a considérablement amélioré les performances en boucle fermée. Pour la baseline CIL++, le score de conduite (DS) s'est amélioré jusqu'à 61,1 % (passant de 43,6 à 66,9 avec CCPP), et la complétion de route (RC) s'est améliorée de plus de 30 %.
Stabilité de l'entraînement : L'utilisation de l'intégration RK4 (particulièrement avec CCPP) a considérablement réduit la variance dans la dynamique d'entraînement par rapport à l'intégration d'Euler, menant à une sélection de modèle plus robuste.
Étude de corrélation : L'article a constaté que les erreurs au niveau des waypoints générées par le cadre (KBM/CCPP) sont plus fortement corrélées aux taux de réussite en boucle fermée que les erreurs brutes dans l'espace des actions, suggérant qu'une supervision au niveau de la trajectoire est un meilleur indicateur de la performance réelle.

5. Signification et affirmations

L'article affirme que son cadre comble efficacement la division méthodologique entre l'apprentissage automatique basé sur l'action et celui basé sur les waypoints pour la conduite autonome. En permettant aux politiques basées sur l'action d'être entraînées et évaluées au sein de l'écosystème dominant centré sur les waypoints, ce travail lève un obstacle majeur au développement et à la comparaison des approches basées sur le contrôle.

Les auteurs soulignent que leur méthode ne nécessite pas de modification des protocoles de banc d'essai existants, ce qui en fait un mécanisme général pour adapter les politiques basées sur l'action. Ils notent que bien que le cadre suppose un mouvement planaire ( $R^2$ ) et néglige les effets 3D comme l'inclinaison ou la suspension, il exploite avec succès les modèles de véhicules physiques pour améliorer la stabilité et la performance de l'apprentissage de bout en bout. Le travail suggère que l'incorporation d'une structure cinématique via un levage différentiable est bénéfique, particulièrement dans les environnements réactifs où les erreurs se cumulent au fil du temps.