利用知识图谱表示和蒸馏技术增强自动驾驶决策能力

自动驾驶技术的快速发展依赖于先进的感知系统，这些系统对于安全高效的车辆导航至关重要。尽管传统方法有效，但往往缺乏语义，限制了其在实际用例中的应用。为了解决这一挑战，我们提出了一种创新的方法，将语义表示与语义工件的整合以及蒸馏技术相结合。我们整合领域语义工件，创建一个知识图谱，为驾驶环境提供结构化框架，包括行人行为等动态元素。这种整合使得车辆能够准确解读和应对各种事件，特别是在复杂的城市场景中。通过进一步增强该系统，我们将复杂的预训练分割模型中的知识蒸馏到更轻量的对应模型中，以实现更强的处理方法，从而达到实时自动驾驶系统所需的简化分割过程。我们研究的一个重点是对人行道行人检测的案例分析，这是城市驾驶中的一个关键方面。结果展示了我们框架的有效性，提升了自动驾驶车辆的决策过程。