💻 computer science

DriveSafer: End-to-End Autonomous Driving with Safety Guidance

DriveSafer एंड-टू-एंड ऑटोनॉमस ड्राइविंग के लिए एक नवीन सुरक्षा ढांचा है जो प्रशिक्षण-समय की बाधाओं और अनुमान-समय के मार्गदर्शन के माध्यम से जनरेटिव प्लानर्स को स्पष्ट रूप से सुरक्षित व्यवहारों की ओर निर्देशित करता है, जो NAVSIM बेंचमार्क पर अत्याधुनिक मॉडलों की तुलना में विनाशकारी विफलताओं और अनुपालन उल्लंघनों को काफी कम कर देता है।

मूल लेखक: Shounak Sural, Raj Rajkumar

प्रकाशित 2026-05-19

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Shounak Sural, Raj Rajkumar

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक बिल्कुल नए, अविश्वसनीय रूप से प्रतिभाशाली रोबोट ड्राइवर को शहर की सड़कों पर नेविगेट करना सिखा रहे हैं। यह रोबोट "एंड-टू-एंड" (End-to-End) AI का उपयोग करके बनाया गया है, जो एक विलक्षण प्रतिभा की तरह है जिसने लाखों घंटों के ड्राइविंग वीडियो देखे हैं। यह जटिल ट्रैफिक को संभाल सकता है, हाईवे पर चढ़ सकता है, और पैदल चलने वालों के प्रति बेहतर प्रतिक्रिया दे सकता है।

हालाँकि, एक पेच है: इस रोबति को कभी-कभी "ब्रेन फ्रीज" (दिमाग सुन्न होना) हो जाता है जिससे विनाशकारी दुर्घटनाएं होती हैं। यह अचानक फुटपाथ पर चढ़ सकता है, किसी पैदल यात्री से टकरा सकता है, या "दाएं मुड़ें" के संकेत को अनदेखा कर सामने से आती ट्रैफिक में जा सकता है। ये केवल छोटी गलतियाँ नहीं हैं; ये विनाशकारी विफलताएँ हैं जो इसे वास्तविक दुनिया के उपयोग के लिए असुरक्षित बनाती हैं।

यह पेपर DriveSafer पेश करता है, जो एक ऐसा सिस्टम है जिसे न केवल रोबोट को एक "बेहतर" ड्राइवर बनाने के लिए, बल्कि विशेष रूप से इन खतरनाक "ब्रेन फ्रीज" को रोकने के लिए डिज़ाइन किया गया है। DriveSafer को एक सेफ्टी कोच की तरह समझें जो रोबोट के साथ दो अलग-अलग चरणों में काम करता है: उसके "स्कूली शिक्षा" (ट्रेनिंग) के दौरान और वास्तव में "ड्राइविंग" (इन्फरेंस) करते समय।

समस्या: "औसत" का जाल

लेखकों ने देखा कि पिछले सुरक्षा चेक ऐसे थे जैसे किसी छात्र को केवल उनके औसत टेस्ट स्कोर के आधार पर ग्रेड देना। एक छात्र 95% का औसत प्राप्त कर सकता है लेकिन फिर भी उस एक परीक्षा में फेल हो सकता है जो सबसे महत्वपूर्ण है: "दीवार से न टकराने" वाली परीक्षा। यहाँ तक कि मौजूदा बेहतरीन रोबोट ड्राइवर (जैसे कि DiffusionDrive नामक एक अन्य मॉडल) भी उच्च औसत स्कोर प्राप्त कर रहे थे, लेकिन फिर भी वे दुर्लभ, खतरनाक स्थितियों में दुर्घटनाग्रस्त हो रहे थे।

समाधान: DriveSafer

DriveSafer एक सख्त लेकिन सहायक मेंटर की तरह काम करता है जो दो मुख्य उपकरणों का उपयोग करता है:

1. ट्रेनिंग के समय: "सेफ्टी होमवर्क"

जब रोबोट सीख रहा होता है, तब DriveSafer उसके पाठ्यक्रम में विशेष "सेफ्टी होमवर्क" जोड़ता है।

उपमा: कल्पना कीजिए कि आप एक बच्चे को साइकिल चलाना सिखा रहे हैं। केवल उन्हें चलाने देने के बजाय, आप ट्रेनिंग व्हील्स (बाधाएं) लगाते हैं और यदि वे बहुत अधिक झुकते हैं तो उन्हें धीरे से धक्का देते हैं (लॉस फंक्शन्स)।
यह कैसे काम करता है: सिस्टम रोबोट को तीन विशिष्ट नियम सिखाता है:
1. सड़क पर रहें: सड़क या फुटपाथ से बाहर न जाएं।
2. दूरी बनाए रखें: अन्य कारों या लोगों के बहुत करीब न जाएं।
3. स्मूथ रहें: अचानक, झटकेदार हरकतें न करें जिससे यात्रियों को चक्कर आए।
यदि रोबोट ऐसे पथ को सीखने की कोशिश करता है जो इन नियमों को तोड़ता है, तो उसे "दंडित" किया जाता है (एक गणितीय स्कोर कम हो जाता है), जिससे वह शुरुआत से ही सुरक्षित आदतें सीखने के लिए मजबूर होता है।

2. इन्फरेंस के समय: "सेफ्टी डबल-चेक"

अच्छी ट्रेनिंग के बावजूद, वास्तव में ड्राइविंग करते समय रोबोट को संदेह या भ्रम का क्षण हो सकता है। DriveSaवकर किसी भी कदम को उठाने से पहले एक "दूसरी राय" वाला चरण जोड़ता है।

उपमा: कल्पना कीजिए कि आप एक व्यस्त सड़क पार करने वाले हैं। आप बाएं देखते हैं, फिर दाएं देखते हैं, और फिर आप सोचते हैं, "रुको, क्या होगा अगर मैं एक कदम बाईं ओर लेता? वह अधिक सुरक्षित हो सकता है।" आप कदम उठाने से पहले अपने दिमाग में कुछ त्वरित "क्या-होगा-अगर" (what-if) परिदृश्य उत्पन्न करते हैं।
यह कैसे काम करता है:
- रोबोट अपनी प्राथमिक योजना बनाता है (जैसे, "बाएं मुड़ें")।
- DriveSafer तुरंत कुछ वैकल्पिक योजनाएं उत्पन्न करता है (जैसे, "थोड़ा धीमा होकर बाएं मुड़ें," या "बाएं मुड़ें लेकिन थोड़ा दाईं ओर खिसकें")।
- यह सभी विकल्पों की एक मैप और अन्य कारों की स्थिति के विरुद्ध जांच करता है।
- यदि मूल योजना में किसी पैदल यात्री से टकराने या सड़क से उतर जाने की संभावना दिखती है, तो DriveSafer इसे अस्वीकार कर देता है और इसके बजाय सबसे सुरक्षित वैकल्पिक योजना चुनता है।

परिणाम: कम दुर्घटनाएं, सुरक्षित सड़कें

लेखकों ने इस सिस्टम का परीक्षण NAVISIM नामक एक प्रसिद्ध ड्राइविंग बेंचमार्क पर किया, जो कठिन, वास्तविक दुनिया के परिदृश्यों से भरा है।

बड़ी जीत: पिछले सर्वश्रेष्ठ रोबोट ड्राइवर की तुलना में, DriveSafer ने विनाशकारी विफलताओं (दुर्घटनाओं या सड़क से उतर जाने) को 48% तक कम कर दिया।
फुटपाथ की समस्या: विशेष रूप से, वे विफलताएं जहाँ कार अनुमत सड़क क्षेत्र से बाहर निकल गई थी, उनमें 65% से अधिक की कमी आई।
दृश्य प्रमाण: पेपर दिखाता है कि जहाँ पुराने रोबोट ने सीधे पैदल यात्रियों की भीड़ में या फुटपाथ पर गाड़ी चला दी थी, वहीं DriveSafer ने सफलतापूर्वक कार को सुरक्षित रूप से रोकने या दूसरे पथ पर ले जाने में सफलता प्राप्त की।

सारांश

संक्षेप में, DriveSafer एक ऐसा फ्रेमवर्क है जो यह स्वीकार करता है कि, "हम केवल इस उम्मीद में नहीं रह सकते कि रोबोट परफेक्ट होगा; हमें सक्रिय रूप से उसे जीवन के लिए घातक गलतियां करने से रोकना होगा।" सीखने के दौरान सख्त सुरक्षा नियमों और ड्राइविंग के दौरान "डबल-चेक" सिस्टम को मिलाकर, यह एक प्रतिभाशाली लेकिन लापरवाह रोबोट ड्राइवर को एक बहुत अधिक सुरक्षित ड्राइवर में बदल देता है, जो विशेष रूप से उन सबसे खराब परिदृश्यों को लक्षित करता है जो वास्तविक नुकसान पहुंचा सकते हैं।

तकनीकी सारांश: DriveSafer

समस्या विवरण

जबकि एंड-टू-एंड (E2E) ऑटोनॉमस ड्राइविंग मॉडल जटिल बेंचमार्क पर बढ़ती क्षमताएं प्रदर्शित कर रहे हैं, वे सुरक्षा-महत्वपूर्ण परिदृश्यों में बड़ी संख्या में विनाशकारी विफलताओं (catastrophic failures) के प्रति संवेदनशील बने हुए हैं। लेखक देखते हैं कि इनमें से कई विफलताएं भौतिक बाधाओं और सुरक्षा आवश्यकताओं के उल्लंघन से उत्पन्न होती हैं, जिससे टकराव, अनुमत क्षेत्रों से बाहर ड्राइविंग करना, या इच्छित दिशाओं से विचलित होने जैसे असुरक्षित व्यवहार होते हैं।

वर्तमान मूल्यांकन मेट्रिक्स, जैसे कि ग्राउंड ट्रुथ प्रक्षेपवक्र (trajectories) से L2 दूरी त्रुटि, अक्सर इन महत्वपूर्ण विफलताओं को छिपा देते हैं। एक मॉडल ग्राउंड ट्रूथ प्रक्षेपवक्र त्रुटि मेट्रिक्स पर अत्याधुनिक प्रदर्शन प्राप्त कर सकता है, फिर भी खतरनाक "अंधे" (blind) व्यवहार प्रदर्शित कर सकता है। पेपर का तर्क है कि औसत नियोजन गुणवत्ता (planning quality) में सुधार अपर्याप्त हैं; प्राथमिक चुनौती विनाशकारी विफलताओं की "लॉन्ग टेल" (long tail) है (जिसे प्रेडिक्टिव ड्राइवर मॉडल स्कोर, या PDMS के 0 के रूप में परिभाषित किया गया है)। इन विफलताओं में शामिल हैं:

चलते हुए ऑब्जेक्ट्स (वाहनों या पैदल यात्रियों) के साथ टकराव।
अनुमत ड्राइविंग क्षेत्र (जैसे फुटपाथ) से बाहर निकलना।
इच्छित ड्राइविंग दिशा से महत्वपूर्ण विचलन।

कार्यप्रणाली (Methodology)

लेखक DriveSafer का प्रस्ताव करते हैं, जो एक विफलता-जागरूक सुरक्षा ढांचा (failure-aware safety framework) है जिसे जेनेरेटिव E2E प्लानर्स को सुरक्षित व्यवहारों की ओर स्पष्ट रूप से निर्देशित करने के लिए डिज़ाइन किया गया है। यह ढांचा बेस मॉडल, DiffusionDrive, पर कार्य करता है और दो सहक्रियात्मक चरणों के माध्यम से सुरक्षा प्रवर्तन (safety enforcement) पेश करता है:

1. सुरक्षा-जागरूक प्रशिक्षण (Safety-Aware Training)

DriveSafer बेस लॉस ( $L_{base}$ ) के साथ विशेष, भौतिकी-आधारित और सुरक्षा-जागरूक लॉस फंक्शन को शामिल करके प्रशिक्षण उद्देश्य को संशोधित करता है। कुल लॉस को इस प्रकार परिभाषित किया गया है:
$L_{total} = L_{base} + \lambda_{DAC}L_{DAC} + \lambda_{Col}L_{Col} + \lambda_{Comf}$

ड्राइव करने योग्य क्षेत्र अनुपालन ( $L_{DAC}$ ): उन अनुमानित प्रक्षेप पथों को दंडित करता है जो अंतर्निहित मैप से प्राप्त ड्राइव करने योग्य क्षेत्र मास्क से बाहर जाते हैं।
टकराव से बचाव ( $L_{Col}$ ): उन प्रक्षेप पथों को दंडित करता है जो आसपास के एजेंटों के एक विशिष्ट दूरी थ्रेसहोल्ड ( $d_{col}$ ) के भीतर आते हैं।
आराम (Comfort - $L_{Comf}$ ): यात्री के आराम को सुनिश्चित करने के लिए अचानक गति परिवर्तन (जर्क) को कम करता है।

बेसलाइन मॉडल की भविष्य के एजेंट स्थानों का पूर्वानुमान लगाने में अक्षमता (जो इन्फरेंस के दौरान टकराव जागरूकता को सीमित करती है) को संबोधित करने के लिए, लेखक एक लाइटवेट एडैप्टर लेयर पेश करते हैं। यह लेयर भविष्य के टाइमस्टेप्स के लिए अन्य सड़क एजेंटों की गति की भविष्यवाणी करती है, जिससे संयुक्त भविष्यवाणी और नियोजन (joint prediction and planning) सक्षम होता है।

2. इन्फरेंस-टाइम सुरक्षा मार्गदर्शन (Inference-Time Safety Guidance)

डिफ्यूजन मॉडल्स की स्टोकेस्टिक प्रकृति और संभावित सेंसर शोर को पहचानते हुए, DriveSafer इन्फरेंस के दौरान अयोग्य प्रक्षेप पथों को अस्वीकार करने के लिए एक मार्गदर्शन रणनीति का उपयोग करता है:

वैकल्पिक परिकल्पना पीढ़ी (Alternative Hypothesis Generation): सिस्टम डिफ्यूजन मॉडल से शीर्ष अनुमानित मोड के आधार पर वैकल्पिक प्रक्षेप पथ उत्पन्न करता है। इन विकल्पों में शामिल हैं:
- हेडिंग और गति में भिन्नता (5% भिन्नता)।
- सब-मीटर लैटरल प्रक्षेप पथ शिफ्ट।
- डिफ्यूजन मॉडल से दूसरे और तीसरे सबसे उच्च रैंक वाले मोड का उपयोग।
सुरक्षा स्कोरिंग और चयन: एजेंटों की अनुमानित स्थिति और अंतर्निहित मैप का उपयोग करते हुए, इन वैकल्पिक प्रक्षेप पथों को सुरक्षा मेट्रिक्स का उपयोग करके स्कोर किया जाता है। सबसे सुरक्षित प्रक्षेप पथ को अंतिम आउटपुट के रूप में चुना जाता है, जो प्रभावी रूप से वाहन को असुरक्षित व्यवहारों से दूर "धकेलता" (nudging) है।

मुख्य योगदान

पेपर चार प्राथमिक योगदानों को रेखांकित करता है:

DriveSafer फ्रेमवर्क: E2E प्लानिंग के लिए एक विफलता-केंद्रित सुरक्षा प्रवर्तन ढांचा जो प्रशिक्षण और इन्फरेंस-टाइम सुरक्षा प्रवर्तन के माध्यम से विनाशकारी विफलताओं को लक्षित करता है।
सुरक्षा-जागरूक प्रशिक्षण रणनीति: विशेष लॉस (ड्राइव करने योग्य क्षेत्र, टकराव, आराम) और संयुक्त भविष्यवाणी और नियोजन के लिए एक एकीकृत, लाइटवेट फोरकास्टिंग मॉड्यूल का परिचय।
इन्फरेंस-टाइम मार्गदर्शन: एक विधि जो सुरक्षा-अनुपालन आउटपुट की ओर प्लानर को निर्देशित करने के लिए वैकल्पिक प्रक्षेप पथ उत्पन्न करती है और उनका मूल्यांकन करती है।
प्रदर्शन सुधार: अत्याधुनिक बेसलाइन्स की तुलना में NAVSIM बेंचमार्क पर विनाशकारी विफलताओं में कमी प्रदर्शित करना।

प्रयोगात्मक परिणाम

फ्रेमवर्क का मूल्यांकन NAVISIM बेंचमार्क पर किया गया था, विशेष रूप से navtest स्प्लिट पर, जिसमें सघन शहरी यातायात और जटिल परिदृश्य शामिल हैं।

विनाशकारी विफलता में कमी: DriveSaifer ने DiffusionDrive बेसलाइन की तुलना में विनाशकारी विफलताओं (PDMS = 0) की संख्या में 48% की कमी की (मामलों को 653 से घटाकर 340 कर दिया)।
ड्राइव करने योग्य क्षेत्र अनुपालन: ड्राइविंग-एरिया अनुपालन विफलताओं में >65% की कमी आई (448 मामलों से घटकर 154 मामले)।
कुल PDMS स्कोर: मॉडल ने 90.3 का PDMS स्कोर प्राप्त किया, जो DiffusionDrive बेसलाइन (88.1) से 2.2 अंक अधिक है।
सब-मेट्रिक्स: ड्राइविंग-एरिया अनुपालन (DAC) और ईगो प्रोग्रेस (EP) सब-मेट्रिक्स में उल्लेखनीय सुधार देखा गया।
गुणात्मक विश्लेषण: विजुअल उदाहरण दर्शाते हैं कि कैसे DriveSafer उन परिदृश्यों को ठीक करता है जहाँ बेसलाइन मॉडल सड़क से बाहर चला गया, इच्छित दिशाओं का उल्लंघन किया, या पैदल यात्रियों और आमने-सामने आने वाले वाहनों से टकरा गया।

महत्व और दावे

पेपर का तर्क है कि E2E ऑटोनॉमस ड्राइविंग की व्यावहारिकता वर्तमान में औसत प्रदर्शन मेट्रिक्स के बावजूद, विनाशकारी विफलताओं की एक महत्वपूर्ण संख्या के कारण सीमित है। DriveSafer का महत्व इसके विफलता-केंद्रित दृष्टिकोण में निहित है, जो औसत प्रक्षेप पथ त्रुटि में मामूली सुधार के बजाय जीवन के लिए खतरनाक परिदृश्यों को कम करने को प्राथमिकता देता है।

लेखक दावा करते हैं कि E2E सिस्टम में स्पष्ट सुरक्षा मार्गदर्शन को सीधे विनाशकारी विफलता के मामलों को कम करने की ओर निर्देशित किया जाना चाहिए। प्रशिक्षण-समय बाधाओं को इन्फरेंस-टाइम मार्गदर्शन के साथ जोड़कर, DriveSafer सुरक्षित वास्तविक-दुनिया तैनाती के लिए एक मार्ग प्रदान करता है। लेखक कहते हैं कि उनका भविष्य का लक्ष्य वास्तविक-दुनिया की स्थितियों में इसके प्रभाव का आकलन करने के लिए स्वायत्त वाहनों (AVs) पर DriveSafer का विस्तार करना है, जिसका अंतिम लक्ष्य विनाशकारी विफलताओं को शून्य तक कम करना है।