ترجمه فارسی مقاله V2X-VLM: رانندگی مستقل V2X از طریق مدل‌های زبان بینایی بزرگ

چکیده

Advancements in autonomous driving have increasingly focused on end-to-end (E2E) systems that manage the full spectrum of driving tasks, from environmental perception to vehicle navigation and control. This paper introduces V2X-VLM, an innovative E2E vehicle-infrastructure cooperative autonomous driving (VICAD) framework with Vehicle-to-Everything (V2X) systems and large vision-language models (VLMs). V2X-VLM is designed to enhance situational awareness, decision-making, and ultimate trajectory planning by integrating multimodel data from vehicle-mounted cameras, infrastructure sensors, and textual information. The contrastive learning method is further employed to complement VLM by refining feature discrimination, assisting the model to learn robust representations of the driving environment. Evaluations on the DAIR-V2X dataset show that V2X-VLM outperforms state-of-the-art cooperative autonomous driving methods, while additional tests on corner cases validate its robustness in real-world driving conditions.

چکیده به فارسی (ترجمه ماشینی)

پیشرفت در رانندگی خودمختار به طور فزاینده ای روی سیستم های پایان به پایان (E2E) متمرکز شده است که طیف کاملی از کارهای رانندگی را مدیریت می کنند ، از درک محیط زیست گرفته تا پیمایش و کنترل وسایل نقلیه.در این مقاله V2X-VLM ، یک چارچوب نوآورانه نوآورانه E2E در زیر ساخت و سازهای تعاونی مستقل (VICAD) با سیستم های وسیله نقلیه به همه چیز (V2X) و مدلهای بزرگ بینایی (VLMS) معرفی شده است.V2X-VLM برای تقویت آگاهی موقعیتی ، تصمیم گیری و برنامه ریزی نهایی مسیر با ادغام داده های مولتییمودل از دوربین های وسیله نقلیه نصب شده ، سنسورهای زیرساختی و اطلاعات متنی طراحی شده است.روش یادگیری متضاد بیشتر برای تکمیل VLM با تصفیه تبعیض ویژگی ، کمک به مدل برای یادگیری بازنمایی های قوی از محیط رانندگی استفاده می شود.ارزیابی در مجموعه داده های Dair-V2X نشان می دهد که V2X-VLM از روشهای رانندگی تعاونی خودمختار پیشرفته تر است ، در حالی که آزمایش های اضافی در موارد گوشه ای استحکام آن را در شرایط رانندگی در دنیای واقعی اعتبار می دهد.