Créer un cerveau compact pour les voitures autonomes

Un cerveau dans la voiture autonome. • Qant avec GPT-4o

Les modèles actuels de conduite autonome end-to-end (E2E), qui transforment directement les capteurs en actions sans modules intermédiaires, souffrent d’un défaut majeur : leur manque de transparence. S’ils peuvent conduire correctement, ils ne savent pas expliquer leurs décisions. En parallèle, les modèles de langage de grande taille (LLM) ont démontré des capacités remarquables, mais ils sont trop lourds pour être déployés en conditions réelles sur un véhicule.

Une étude récente, menée à l’université des sciences et technologies de Hong Kong, propose une alternative. Elle introduit DSDrive, une architecture légère qui s’appuie sur une version compacte d’un LLM distillé à partir d’un LLM visuel plus important. Ce système combine raisonnement explicite, planification de trajectoire et inférence rapide dans un cadre unifié.