De Autoware Foundation Robotaxi Working Group heeft AutoE2E gepresenteerd, een open-source end-to-end rijmodel dat is ontworpen voor zowel geavanceerde rijassistentiesystemen (L2++) als volledig autonome robotaxi's (L4). Het model richt zich op een taalvrije benadering van autonomie door gebruik te maken van visuele en kaartgegevens.
Het nieuwe model, dat officieel is onthuld in een publicatie op arxiv.org, introduceert een architectuur gebaseerd op een temporeel 'bird's-eye-view' (BEV). Deze techniek stelt het systeem in staat om informatie uit meerdere camera's te combineren met gegevens uit HD-kaarten en specifieke route-instructies. Door deze datastromen te integreren, kan het model de toekomstige bewegingen van het voertuig nauwkeuriger voorspellen.
Technische specificaties en prestaties
AutoE2E maakt gebruik van een vooraf getrainde camera-BEV backbone, ondersteund door temporele feature-fusie en een lichtgewicht recurrent trajectory planner. Volgens de technische documentatie op bevat het model in totaal ongeveer 79,9 miljoen parameters. In de geëvalueerde configuratie zijn hiervan circa 1,45 miljoen parameters trainbaar, wat wijst op een efficiënte benadering van de modelarchitectuur.
De effectiviteit van het model is getest op de KITScenes-validatiebenchmark. Bij een voorspellingshorizon van drie seconden behaalde het fijngeslepen model de volgende resultaten:
- Een gemiddelde verplaatsingsfout (Average Displacement Error, ADE) van 0,745 meter.
- Een uiteindelijke verplaatsingsfout (Final Displacement Error, FDE) van 2,020 meter.
Samenwerkingen en onderzoek
De ontwikkeling van AutoE2E gaat gepaard met academische samenwerkingen. De onderzoekers rapporteren in hun publicatie over eerste resultaten uit onderzoek met echte voertuigen via het EDGAR-platform van de Technische Universiteit München. Daarnaast is er sprake van een lopende samenwerking met het Karlsruhe Institute of Technology om de mogelijkheden van het model verder te verkennen.
Met de release van versie 1.0 stelt de Autoware Foundation niet alleen het model zelf beschikbaar, maar ook de bijbehorende checkpoints, de code voor training en evaluatie, en de 'DataModelConsole'. Dit laatste is een dashboard dat specifiek is ontwikkeld voor het visualiseren en inspecteren van model-experimenten.
Beperkingen en doelstellingen
Ondanks de positieve benchmarkresultaten benadrukt de Autoware Foundation dat AutoE2E v1.0 een vroege release is voor open onderzoek. De huidige kwantitatieve evaluaties zijn 'open-loop', wat betekent dat het model nog geen gevalideerd autonoom rijgedrag in een 'closed-loop' scenario heeft aangetoond.
Het hoofddoel van deze release is om de gemeenschap die zich bezighoudt met autonoom rijden te voorzien van een transparante en inspecteerbare basislijn. Hiermee kunnen andere onderzoekers en ontwikkelaars experimenteren en bijdragen aan de verdere ontwikkeling van taalvrije end-to-end autonomie.
Hoewel de sector van autonoom rijden breed is en ook grote spelers zoals Tesla, Inc. betreft — wiens beursinformatie wordt bijgehouden op platforms zoals nasdaq.com en marketscreener.com — positioneert AutoE2E zich specifiek als een open-source alternatief om collectieve innovatie in de robotaxi-sector te stimuleren. De code en modellen zijn beschikbaar onder de Apache-2.0 licentie, wat verder gebruik en aanpassing door derden faciliteert.