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

तकनीकी सारांश: वाहन गति मॉडल के माध्यम से एंड-टू-एंड स्वायत्त ड्राइविंग में वेपॉइंट-एक्शन अंतराल को संबोधित करना

1. समस्या विवरण

एंड-टू-एंड स्वायत्त ड्राइविंग (E2E-AD) सिस्टम वर्तमान में उनके आउटपुट के आधार पर दो प्रतिमानों (paradigms) में विभाजित हैं: वेपॉइंट-आधारित मॉडल, जो भविष्य के प्रक्षेप पथ (trajectories) की भविष्यवाणी करते हैं, और एक्शन-आधारित मॉडल, जो सीधे निम्न-स्तरीय नियंत्रण (थ्रॉटल, स्टीयरिंग, ब्रेक) आउटपुट करते हैं। जबकि एक्शन-आधारित नीतियां उच्च-परिशुद्धता वाले GPS पर कम निर्भरता और खराब कनेक्टिविटी वाले ग्रामीण क्षेत्रों के लिए बेहतर उपयुक्तता जैसे लाभ प्रदान करती हैं, अनुसंधान समुदाय ने वेपॉइंट-आधारित दृष्टिकोणों को अधिक प्राथमिकता दी है।

इस बदलाव ने एक "वेपॉइंट-एक्शन अंतराल" (Waypoint–Action gap) पैदा कर दिया है। अधिकांश आधुनिक बेंचमार्क (जैसे, NAVSIM, Bench2Drive) और प्रशिक्षण पाइपलाइन विशेष रूप से वेपॉइंट आउटपुट के लिए डिज़ाइन किए गए हैं। फलस्वरूप, एक्शन-आधारित नीतियों को गैर-मानक इंटरफेस (जैसे, नियंत्रण स्थानों का विविक्तीकरण/discretization) पेश किए बिना इन फ्रेमवर्क के भीतर सीधे प्रशिक्षित या मूल्यांकित नहीं किया जा सकता है। यह असंतुलन एक्शन-आधारित विधियों की निष्पक्ष तुलना और प्रगति में बाधा डालता है। यह शोध मौजूदा मूल्यांकन प्रोटोकॉल को बदले बिना, एक्शन-आधारित आर्किटेक्चर को मौजूदा वेपॉइंट-आधारित बेंचमार्क के भीतर प्रशिक्षित और मूल्यांकित करने में सक्षम बनाकर इस अंतराल को पाटने का लक्ष्य रखता है।

2. कार्यप्रणाली (Methodology)

लेखक एक डिफरेंशिएबल व्हीकल-मॉडल फ्रेमवर्क प्रस्तावित करते हैं जो एक्शन और वेपॉइंट निरूपणों के बीच एक विश्लेषणात्मक सेतु के रूप में कार्य करता है। मुख्य तंत्र एक लिफ्टिंग ऑपरेटर ($F_\phi$) है जो अनुमानित एक्शन अनुक्रमों को संबंधित ईगो-फ्रेम वेपॉइंट प्रक्षेप पथों में रोल आउट करता है। यह सिस्टम को वेपॉइंट-स्पेस लॉस फंक्शन्स का उपयोग करके एक्शन-आधारित नीतियों को पर्यवेक्षित (supervise) करने की अनुमति देता है।

मुख्य घटक:

• लिफ्टिंग ऑपरेटर ($F_\phi$): यह ऑपरेटर निम्न-स्तरीय क्रियाओं ($a_t$) के अनुक्रम और प्रारंभिक वाहन अवस्था ($s_t$) को लेता है और वेपॉइंट्स ($w_t$) का एक अनुक्रम उत्पन्न करता है। इसे तीन मॉड्यूलर, डिफरेंशिएबल घटकों में विभाजित किया गया है:
  1. कंट्रोल एक्टिवेशन ($\psi_\phi$): कच्चे नेटवर्क आउटपुट को सीमित भौतिक नियंत्रणों (जैसे, थ्रॉटल और स्टीयरिंग के लिए सिग्मॉइड/टैनएच का उपयोग करना) में मैप करता है।
  2. डायनामिक्स रोलआउट ($f_\phi$): वाहन डायनामिक्स का उपयोग करके किनेमैटिक अवस्था को समय के साथ आगे बढ़ाता है।
  3. पोज़ प्रोजेक्शन ($h$): पूर्ण स्टेट वेक्टर से प्लेनर पोजीशन $(x, y)$ निकालता है।
• मॉडल इंस्टेंशिएशन (Model Instantiations): फ्रेमवर्क को दो विशिष्ट वाहन मॉडलों के साथ स्थापित किया गया है:
  • किनेमैटिक बाइसिकल मॉडल (KBM): एक सिंगल-ट्रैक मॉडल जो नॉन-होलोनोमिक बाधाओं को कैप्चर करता है, जिसे यूलर या रनगे-कुट्टा (RK4) विधियों के माध्यम से एकीकृत किया गया है।
  • कंटीन्यूअस कर्वेचर पाथ प्लानर (CCPP): एक मॉडल जो वक्रता निरंतरता (curvature continuity) सुनिश्चित करने के लिए क्लॉथॉइड आर्क का उपयोग करके सुचारू प्रक्षेप पथ उत्पन्न करता है, जिससे सीधे-वृत्ताकार पथों की स्टीयरिंग विच्छिन्नता (discontinuities) से बचा जा सके।
  • MLP बेसलाइन: भौतिक-आधारित मॉडलों के विरुद्ध तुलना करने के लिए एक डेटा-संचालित लिफ्टिंग ऑपरेटर के रूप में एक मल्टी-लेयर पर्सेप्ट्रॉन का भी उपयोग किया गया है।
• प्रशिक्षण पाइपलाइन (Training Pipeline): पॉलिसी नेटवर्क ($N_\theta$) अवलोकनों और कमांड से क्रियाओं (actions) की भविष्यवाणी करता है। ये क्रियाएं डिफरेंशिएबल लिफ्टिंग ऑपरेटर के माध्यम से गुजरती हैं ताकि अनुमानित वेपॉइंट्स उत्पन्न किए जा सकें। ग्राउंड-ट्रुथ वेपॉइंट्स और अनुमानित वेपॉइंट्स के बीच एक वेटेड L1 लॉस की गणना की जाती है। ग्रेडिएंट्स लिफ्टिंग ऑपरेटर के माध्यम से वापस प्रवाहित होते हैं ताकि पॉलिसी पैरामीटर्स को अपडेट किया जा सके, जबकि वाहन मॉडल के पैरामीटर्स स्थिर रहते हैं।

3. मुख्य योगदान

यह शोध पत्र तीन प्राथमिक योगदानों को रेखांकित करता है:

1. एक्शन नीतियों के लिए वेपॉइंट-आधारित प्रशिक्षण उद्देश्य: लेखक प्रदर्शित करते हैं कि एक्शन नीतियों को उनके फ्रेमवर्क से जोड़ना और उन्हें वेपॉइंट-स्पेस लॉस के साथ पर्यवेक्षित करना, मानक एक्शन-स्पेस उद्देश्यों की तुलना में अधिक स्थिर मूल्यांकन, उच्च क्लोज्ड-लूप प्रदर्शन और ड्राइविंग परिणामों के साथ एक मजबूत सहसंबंध प्रदान करता है।
2. डिफरेंशिएबल और डिटरमिनिस्टिक फ्रेमवर्क: यह कार्य पहली बार एक डिटरमिनिस्टिक और डिफरेंशिएबल वाहन-डायनामिक्स फ्रेमवर्क पेश करता है जिसे विशेष रूप से निम्न-स्तरीय क्रियाओं को वेपॉइंट्स तक उठाने (lift करने) के लिए डिज़ाइन किया गया है, जिससे उन्हें मानक बेंचमार्क में उपयोग करने में सक्षम बनाया जा सके।
3. प्रतिमानों के बीच एकीकृत तुलना: फ्रेमवर्क को KBM और CCPP के साथ स्थापित करके, लेखक एक्शन-आधारित और वेपॉइंट-आधारित नीतियों को मौजूदा बेंचमार्क इंटरफेस को बदले बिना एक ही वेपॉइंट प्रोटोकॉल के तहत प्रशिक्षित और मूल्यांकित करने में सक्षम बनाते हैं।

4. प्रयोगात्मक परिणाम

फ्रेमवर्क का मूल्यांकन चार चुनौतीपूर्ण बेंचमार्क में किया गया: NAVSIM navtest, NAVSIM navhard, Bench2Drive, और एक CARLA-आधारित प्रोटोकॉल।

• NAVSIM navhard (रिएक्टिव): इस दृष्टिकोण ने विजन-ओनली मॉडलों के बीच स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त किया। विशेष रूप से, CCPP लिफ्टिंग ऑपरेटर के साथ MILE ने 29.5 का एक्सटेंडेड प्रेडिक्टिव ड्राइवर मॉडल स्कोर (EPDMS) प्राप्त किया, जो सबसे मजबूत विजन-ओनली बेसलाइन (Latent TransFuser) से बेहतर है।
• NAVSIM navtest (नॉन-रिएक्टिव): फ्रेमवर्क ने एक्शन-आधारित नीतियों को वेपॉइंट-आधारित बेसलाइनों के बराबर या उसके करीब पहुँचने की अनुमति दी। KBM के साथ CIL++ ने 83.3 का प्लानिंग डिस्क्रेपेंसी मेट्रिक स्कोर (PDMS) प्राप्त किया, जो स्टेट-ऑफ-द-आर्ट वेपॉइंट-ओनली मॉडल (LAW) के 1.5% के भीतर है।
• Bench2Drive (क्लोज्ड-लूप): फ्रेमवर्क ने क्लोज्ड-लूप प्रदर्शन में महत्वपूर्ण सुधार किया। CIL++ बेसलाइन के लिए, ड्राइविंग स्कोर (DS) में 61.1% तक का सुधार हुआ (CCPP के साथ 43.6 से 66.9), और रूट कंप्लीशन (RC) में 30% से अधिक का सुधार हुआ।
• प्रशिक्षण स्थिरता (Training Stability): यूलर इंटीग्रेशन की तुलना में RK4 इंटीग्रेशन का उपयोग (विशेष रूप से CCPP के साथ) प्रशिक्षण डायनामिक्स में भिन्नता (variance) को काफी कम करता है, जिससे अधिक मजबूत मॉडल चयन होता है।
• सहसंबंध अध्ययन (Correlation Study): शोध पत्र में पाया गया कि फ्रेमवर्क (KBM/CCPP) द्वारा उत्पन्न वेपॉइंट-स्तर की त्रुटियां कच्चे एक्शन-स्पेस एरर की तुलना में क्लोज्ड-लूप सफलता दर के साथ अधिक मजबूती से सह-संबंधित हैं, जो यह सुझाव देता है कि प्रक्षेप पथ-स्तरीय पर्यवेक्षण वास्तविक दुनिया के प्रदर्शन के लिए एक बेहतर प्रॉक्सी है।

5. महत्व और दावे

शोध पत्र का दावा है कि इसका फ्रेमवर्क स्वायत्त ड्राइविंग के मेथडोलॉजिकल डिवाइड (methodological divide) को प्रभावी ढंग से पाटता है। एक्शन-आधारित नीतियों को प्रमुख वेपॉइंट-केंद्रित बेंचमार्क इकोसिस्टम के भीतर प्रशिक्षित और मूल्यांकित करने की अनुमति देकर, यह कार्य कंट्रोल-आधारित दृष्टिकोणों के विकास और तुलना के लिए एक महत्वपूर्ण बाधा को हटा देता है।

लेखक इस बात पर जोर देते हैं कि उनके तरीके के लिए मौजूदा बेंचमार्क प्रोटोकॉल को संशोधित करने की आवश्यकता नहीं है, जो इसे एक्शन-आधारित नीतियों को अनुकूलित करने के लिए एक सामान्य तंत्र बनाता है। वे उल्लेख करते हैं कि हालांकि फ्रेमवर्क प्लेनर मोशन ($R^2$) मानता है और बैंकिंग या सस्पेंशन जैसे 3D प्रभावों की उपेक्षा करता है, यह एंड-टू-एंड लर्निंग की स्थिरता और प्रदर्शन को बेहतर बनाने के लिए भौतिक वाहन मॉडलों का सफलतापूर्वक लाभ उठाता है। यह कार्य बताता है कि डिफरेंशिएबल लिफ्टिंग के माध्यम से किनेमैटिक संरचना को शामिल करना फायदेमंद है, विशेष रूप से उन रिएक्टिव वातावरणों में जहाँ त्रुटियाँ समय के साथ बढ़ती (compound) हैं।