Экономия на вычислениях: GuidedWAM обновляет поведение автопилотов без затрат
Способны ли разработчики автономных транспортных средств динамически адаптировать политики вождения под новые эксплуатационные ограничения, не переписывая базовые веса базовых моделей?
Современные модели действий мира (world action models, WAM) объединяют политику вождения и визуальную модель мира в единую генеративную сеть, достигая показателей планирования свыше 90 PDMS на бенчмарке NAVSIM v1. Однако такие архитектуры жестко фиксируют цели вождения после завершения обучения, требуя дорогостоящего повторного обучения для каждой новой задачи. Когда парку автономных автомобилей требуются эксплуатационные корректировки — например, увеличение дистанции до края проезжей части на узких улицах, расширение зоны безопасности вокруг уязвимых участников движения либо соблюдение временных ограничений скорости и требований к плавности хода для пассажиров, — команды разработчиков сталкиваются с колоссальными вычислительными затратами. Как подчеркивают авторы исследования Сиян Су, Финн Расмус Шефер, Ходжун Лим, Франк Дирмейер, Йоханнес Бетц и Маркус Линкамп, добавление даже одной новой цели традиционно требует сбора размеченных данных и полного переобучения миллиардной модели с нуля.
Энергетически-управляемое сэмплирование заменяет капиталоемкое переобучение моделей мира за счет корректировки существующих траекторий прямо в процессе их генерации. Исследовательская группа из Мюнхенского технического университета и Мюнхенского института робототехники и машинного интеллекта представила GuidedWAM — модельно-агностичный фреймворк, созданный для внедрения новых целевых установок вождения в замороженные модели действий мира непосредственно на этапе сэмплирования. Ключевой инженерный вопрос заключался в том, способно ли внешнее энергетическое управление надежно трансформировать сложные потоки траекторий без дестабилизации сквозных мультизадачных политик управления.
Узкое горлышко замороженных моделей мира
Современные сквозные (end-to-end) архитектуры автономного вождения объединяют генерацию видеоряда и планирование траектории. Системы уровня DriveWAM и UNIVERSE обучают токены видео и действий собственного транспортного средства в общей последовательности внимания в рамках единой целевой функции согласования потоков (flow matching). Другие архитектуры распределяют вычисления иначе: SimWAM совместно обучает видео-эксперта и облегченного эксперта действий, отключая ветку обработки видео во время инференса для экономии ресурсов, в то время как DriveLaW выстраивает план на основе латентного пространства своего видеогенератора. Архитектурная дивергенция в отрасли лишь усиливается: 26.03.2026 модель мира LeWM сократила объем параметров до 15 миллионов с экономией вычислений от 30 до 40 процентов по сравнению с традиционными симуляторами моделей мира, а 07.09.2026 Alibaba представила Qwen-Drive 1.0 для объединения трехмерного пространственного восприятия, диалогового взаимодействия и планирования маршрута внутри единого мультимодального контура.
«Добавление хотя бы одной цели означает сбор размеченных данных и повторное обучение миллиардной модели, что приходится делать заново для каждого нового требования».
Тем не менее во всех этих системах базовый план траектории остается жестко ограниченным сэмплером согласования потоков, который ориентируется исключительно на фиксированные входные каналы обучения: прошлые кадры, текущий статус автомобиля и навигационные команды. Если эксплуатационное правило не было учтено на этапе исходного обучения, изменение поведения машины требует запуска полного и дорогостоящего цикла переобучения.
Коррекция траекторий без обратного распространения ошибки
GuidedWAM обходит необходимость дообучения моделей, преобразуя эксплуатационные задачи в математические функции энергии, которые рассчитываются непосредственно в ходе генерации действий. Фреймворк формирует каждую цель вождения как дифференцируемую функцию энергии, оцениваемую на одношаговом приближении потока действий в сэмплере. Полученный градиент напрямую добавляется к полю скоростей замороженной модели в момент сэмплирования. Этот подход требует лишь прямого прохода через замороженную нейросеть и исключает расчет матриц Якоби.
Чтобы внешнее управление не приводило к срыву траекторий при выполнении критически важных для безопасности маневров, авторы внедрили три механизма стабилизации: динамическое расписание управления на этапе сэмплирования, нормализацию по каждой функции энергии и коррекцию с ограничением предельной скорости. Внедрение новых правил в автономные планировщики больше не требует пересчета весов базовой сети или изменения ее фундаментальных представлений.
«На сложном срезе бенчмарка NAVSIM v2 управление улучшило показатели всех трех протестированных открытых замороженных WAM на величину от 1,8 до 3,6 EPDMS в среднем по трем сидам сэмплера, увеличив время сэмплирования шага менее чем на 10%».
На тестовом наборе NAVSIM v2 hard-split фреймворк GuidedWAM повысил точность всех трех протестированных открытых замороженных моделей WAM на 1,8–3,6 пункта EPDMS по результатам усреднения трех запусков сэмплера. Критически важный аспект для бортовых вычислителей реального времени: алгоритм управления увеличивает время сэмплирования шага менее чем на 10%, устраняя классический компромисс между точностью следования правилам и задержкой инференса.
Энергетическое управление на этапе инференса создает прикладной уровень контроля поверх неизменяемых моделей действий мира. Избавляясь от циклического полномасштабного дообучения моделей ради локальных корректировок поведения, разработчики беспилотных систем могут отвязать операционное обновление флота от многомиллионных бюджетов на вычисления. Главный вопрос для бизнеса теперь заключается в том, насколько стабильно покажет себя мультиэнергетическое управление на реальных периферийных чипах серийных автономных парков.
Как это выглядит рядом
Можно ли заставить автопилот соблюдать новые правила на дороге без бесконечного сжигания бюджетов на датасеты? Инженерный ответ GuidedWAM доказывает, что для тонкой подстройки автономного вождения больше не нужно заново обучать тяжелые модели действий мира с миллиардами весов. Пока одни архитектуры экономят ресурсы выключением генерации видео при инференсе, внешнее управление траекториями решает саму проблему жестко зафиксированных целей прямо на этапе сэмплирования. Экономия на переобучении опирается на точный факт: базовые генеративные сети уже выдают свыше 90 PDMS на бенчмарке NAVSIM v1.
Источник: arXiv cs.AI