Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2505.00284

帮助 | 高级搜索

计算机科学 > 机器人技术

arXiv:2505.00284 (cs)
[提交于 2025年5月1日 ]

标题: LightEMMA:用于自动驾驶的轻量级端到端多模态模型

标题: LightEMMA: Lightweight End-to-End Multimodal Model for Autonomous Driving

Authors:Zhijie Qiao, Haowei Li, Zhong Cao, Henry X. Liu
摘要: 视觉-语言模型(VLMs)在端到端自动驾驶方面展示了显著的潜力。然而,充分利用它们的能力以实现安全可靠的车辆控制仍然是一个开放的研究挑战。为了系统地检查VLMs在驾驶任务中的进展和局限性,我们介绍了LightEMMA,一种用于自动驾驶的轻量级端到端多模态模型。LightEMMA提供了一个统一的、基于VLM的自动驾驶框架,无需临时定制,从而能够轻松集成和评估不断发展的最先进的商业和开源模型。我们使用各种VLM构建了十二个自动驾驶代理,并在nuScenes预测任务上评估了它们的性能,全面评估了诸如推理时间、计算成本和预测准确性等指标。示例表明,尽管VLMs具有强大的场景理解能力,但它们在自动驾驶任务中的实际表现仍然令人担忧,强调了进一步改进的必要性。代码可在 https://github.com/michigan-traffic-lab/LightEMMA 获取。
摘要: Vision-Language Models (VLMs) have demonstrated significant potential for end-to-end autonomous driving. However, fully exploiting their capabilities for safe and reliable vehicle control remains an open research challenge. To systematically examine advances and limitations of VLMs in driving tasks, we introduce LightEMMA, a Lightweight End-to-End Multimodal Model for Autonomous driving. LightEMMA provides a unified, VLM-based autonomous driving framework without ad hoc customizations, enabling easy integration and evaluation of evolving state-of-the-art commercial and open-source models. We construct twelve autonomous driving agents using various VLMs and evaluate their performance on the nuScenes prediction task, comprehensively assessing metrics such as inference time, computational cost, and predictive accuracy. Illustrative examples highlight that, despite their strong scenario interpretation capabilities, VLMs' practical performance in autonomous driving tasks remains concerning, emphasizing the need for further improvements. The code is available at https://github.com/michigan-traffic-lab/LightEMMA.
主题: 机器人技术 (cs.RO) ; 人工智能 (cs.AI)
引用方式: arXiv:2505.00284 [cs.RO]
  (或者 arXiv:2505.00284v1 [cs.RO] 对于此版本)
  https://doi.org/10.48550/arXiv.2505.00284
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Zhijie Qiao [查看电子邮件]
[v1] 星期四, 2025 年 5 月 1 日 04:12:41 UTC (2,712 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.RO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-05
切换浏览方式为:
cs
cs.AI

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号