arXiv cs.AI· Chengjun Zhang, Yuhao Zhang, Jie Yang, Mohamad Sawan·· 9 天前AI 评分25
SDPAD：面向端到端自动驾驶的全脉冲驱动流水线
SDPAD: A Fully Spike-Driven Pipeline for End-to-End Autonomous Driving
AI 导读
SDPAD 是一个全脉冲驱动的端到端自动驾驶规划流水线，通过量化 ANN2SNN 转换将预训练 ANN 感知栈转为整数脉冲形式，并用 Spike-QFormer 完成规划。
正文 · AI 翻译
摘要：端到端自动驾驶要求轨迹规划器既具有高精度，又足够廉价以部署在边缘设备上。最先进的人工神经网络（ANN）规划器在满足精度要求的同时，代价是繁重的密集计算；而脉冲神经网络（SNN）——尽管通过稀疏、事件驱动的算术运算有望实现数量级的能耗节省——在规划精度上仍远远落后。我们提出 \textbf{SDPAD}，一个完全脉冲驱动的端到端规划流水线，弥合了这一差距。SDPAD 通过量化 ANN2SNN 转换将预训练的 ANN 感知栈转换为整数脉冲形式，利用脉冲驱动最大值（SDM）深度分布（Spike-3D-Lift）将多视角图像提升到鸟瞰图（BEV）空间，并通过 Spike-QFormer 进行规划——这是一种脉冲查询变换器，其中从 BEV 场景中蒸馏出的自车、智能体和地图查询通过可学习路点查询经由交叉注意力融合，随后进行可变形脉冲交叉注意力细化。每个操作都由整数脉冲门控，推理是单次前馈传递，无需时间仿真循环。在 nuScenes 开环基准上，SDPAD 实现了 0.40\,m 的平均 $L_2$ 误差和 0.12\% 的碰撞率，与强大的 ANN 规划器相当，而能耗仅为 69.9\,mJ——不到近期 ANN 基线的 2\%。在 NAVSIM navtest 划分上的闭环评估中，SDPAD 达到 86.3 PDMS，超过先前的 SNN 规划器 SAD 4.3 分，并以极低的能耗匹配主流 ANN 规划器。据我们所知，SDPAD 是首个在端到端自动驾驶中评估的完全脉冲驱动规划器，证明 SNN 在复杂驾驶任务中可以与密集 ANN 相媲美。
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.11583 [cs.RO] |
| （或 arXiv:2610.11583v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11583 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Chengjun Zhang [查看邮箱]
[v1]
2026年10月8日星期四 09:33:19 UTC（2,609 KB）
来源：arXiv cs.AI · arxiv.org