สรุปงานวิจัย · 2026-09-28 · arXiv (Cornell University)

งานวิจัย JEPA ที่ทำให้โมเดลโลกสำหรับการขับขี่อัตโนมัติเร็วขึ้น 100 เท่า

AD-E2E-JEPA: A Joint-Embedding Predictive Architecture For End-to-End Autonomous Driving

ประสิทธิภาพการอนุมาน หุ่นยนต์และ AI เชิงกายภาพ World model และมัลติโมดัล

ทำอะไร: ได้ทำการประเมินเปรียบเทียบโมเดลโลกแบบอิงการทำนาย (ตระกูล JEPA) ที่ใช้ในการขับขี่อัตโนมัติ และเสนอโครงสร้างที่ปรับปรุงใหม่ AD-E2E-JEPA ซึ่งช่วยลดปริมาณการคำนวณลงอย่างมาก
ผลลัพธ์หลัก: รายงานระบุว่าโครงสร้างที่เสนอสามารถลดจำนวนแพตช์ที่ใช้ในการวางแผนลง 16 เท่า และลดมิติของอิมเบดดิ้งลง 4 เท่า ทำให้ความเร็วในการอนุมานเพิ่มขึ้นประมาณ 100 เท่า โดยที่ยังคงประสิทธิภาพการวางแผนไว้
ความสำคัญ: แม้ว่างานวิจัยนี้จะแสดงให้เห็นถึงทิศทางในการลดต้นทุนการคำนวณของ AI ขับขี่อัตโนมัติ แต่ก็ยากที่จะตัดสินประสิทธิผลในการใช้งานจริงกับรถยนต์และความเป็นไปได้ในการเชิงพาณิชย์จากบทคัดย่อเพียงอย่างเดียว

ที่มา

การขับขี่อัตโนมัติจำเป็นต้องมีโมเดลโลกที่สามารถทำนายการเคลื่อนไหวของสภาพแวดล้อมรอบตัวและวางแผนได้ โมเดลโลกที่ใช้ JEPA แบบดั้งเดิมมีความขัดแย้งกันคือ หากความแม่นยำในการขับขี่สูง การคำนวณจะหนัก แต่หากการคำนวณเบา ก็จะไม่เพียงพอสำหรับการวางแผน

วิธีการ

คณะผู้วิจัยได้ประเมินโมเดลเดิม เช่น LeWM, DINO-WM และ JEPA-WM ในการตั้งค่าการวางแผนแบบซีโรช็อต (zero-shot) ที่อิงจากจุดหมายปลายทาง โดยไม่มีการเรียนรู้ค่านโยบายการขับขี่ จากนั้นได้เสนอ AD-E2E-JEPA ซึ่งนำโปรเจคเตอร์ที่เรียนรู้ได้มาใช้กับอิมเบดดิ้งของแพตช์ที่ถูกโปรเจกต์แล้ว และเพิ่มการปรับนمط (regularization) แบบ SIGReg

ผลลัพธ์หลัก

รายงานระบุว่าโครงสร้างที่เสนอใช้เวลาประมาณ 0.8 วินาทีสำหรับการโรลเอาต์ 8 เฟรมและการคำนวณวิถีที่เป็นไปได้ 256 เส้นทาง โดยใช้เพียงโมเดลโลกโดยไม่มีนโยบายการขับขี่ สามารถเข้าถึงเป้าหมายที่อยู่ห่างออกไปประมาณ 20 เมตร ภายในขอบเขตความคลาดเคลื่อนเฉลี่ย 4.0 เมตรหรือ 2.8 เมตร และทำคะแนน EPDMS ได้ 67.3/72.9 บน NAVSIMv2 หรือ 84.1/86.5 เมื่อไม่รวมดัชนีความปลอดภัย นอกจากนี้ เมื่อนำโปรเจคเตอร์ที่ผ่านการฝึกอบรมล่วงหน้าแบบกึ่งดูแลตนเองมาใช้กับการเรียนรู้เลียนแบบ คะแนน EPDMS เพิ่มขึ้นจาก 80.2 เป็น 85.4

ข้อจำกัดและประเด็นที่ควรตรวจสอบ

เนื่องจากการประเมินทำขึ้นบนเกณฑ์มาตรฐาน NAVSIMv2 และในการตั้งค่าที่กำหนดจุดหมายปลายทางเป็นการสังเกตการณ์ในอนาคต จึงไม่สามารถยืนยันประสิทธิภาพในการขับขี่บนถนนจริงหรือสภาพแวดล้อมอื่น ๆ ได้จากบทคัดย่อ นอกจากนี้ บทคัดย่อไม่ได้ระบุโครงสร้างโดยละเอียดของ SIGReg และต้นทุนการฝึกอบรมทั้งหมด

อธิบายศัพท์

세계모델(world model) — โมเดล AI ที่ทำนายว่าสภาพแวดล้อมรอบตัวจะเปลี่ยนแปลงไปอย่างไรในอนาคต
JEPA — วิธีการเรียนรู้โดยไม่ต้องสร้างข้อมูลต้นฉบับทั้งหมดขึ้นใหม่ แต่ให้ลักษณะเด่นหลัก (อิมเบดดิ้ง) ของข้อมูลทำนายซึ่งกันและกัน
임베딩(embedding) — การแปลงรูปภาพหรือข้อมูลให้อยู่ในรูปของชุดตัวเลข (เวกเตอร์) ที่คอมพิวเตอร์คำนวณได้ง่าย
패치(patch) — หน่วยที่แบ่งรูปภาพออกเป็นชิ้นตารางขนาดเล็ก
제로샷 계획(zero-shot planning) — วิธีการวางแผนเส้นทางทันทีโดยไม่ต้องเรียนรู้เพิ่มเติมสำหรับงานนั้น ๆ
SIGReg 정규화 — กฎการเรียนรู้ที่ป้องกันไม่ให้การเรียนรู้เอียงไปข้างใดข้างหนึ่งหรือมีความไม่เสถียร ซึ่งไม่ได้อธิบายไว้อย่างละเอียดในบทคัดย่อ
EPDMS — ระบบคะแนนที่แสดงประสิทธิภาพโดยรวมของการวางแผนขับขี่อัตโนมัติในเกณฑ์มาตรฐาน NAVSIM คะแนนที่สูงกว่าหมายถึงประสิทธิภาพที่ดีขึ้น
모방학습(imitation learning) — วิธีการฝึกอบรม AI ให้เลียนแบบข้อมูลการขับขี่ของมนุษย์

บทสรุปนี้เขียนโดย AI จากบทคัดย่อของงานวิจัยและตรวจสอบโดยผู้ดูแล บทสรุปในหน้านี้แปลโดย AI จากฉบับภาษาเกาหลีที่ผู้ดูแลตรวจสอบแล้ว โปรดดูตัวเลขและบริบทที่แน่นอนในต้นฉบับ

หน้านี้รวบรวมงานวิจัยที่เผยแพร่ ประกาศอย่างเป็นทางการ และรายงานข่าว เพื่อเป็นข้อมูลเท่านั้น บทสรุปงานวิจัยเขียนโดย AI จากบทคัดย่อและตรวจสอบโดยผู้ดูแล อาจแตกต่างจากต้นฉบับ โปรดตรวจสอบต้นฉบับสำหรับเนื้อหาสำคัญ ไม่ใช่คำแนะนำให้ซื้อหรือขายหลักทรัพย์ใดหรือคำปรึกษาด้านการลงทุน การย้ายงานอ้างอิงประกาศอย่างเป็นทางการหรือสื่อหลัก และประวัติการทำงานบางส่วนอ้างอิงจาก Wikidata (CC0) บทสรุปในหน้านี้แปลโดย AI จากฉบับภาษาเกาหลีที่ผู้ดูแลตรวจสอบแล้ว