DriveCache: La cache sensibile alle azioni potenzia l'inferenza dei modelli del mondo di guida

Uno studio recente pubblicato su arXiv (ID 2608.16354) presenta DriveCache, un controller di cache che opera senza addestramento ed è sensibile alle azioni, volto a migliorare il processo di inferenza dei modelli del mondo di guida. Questi modelli sono essenziali per il progresso della guida autonoma, facilitando la simulazione, la valutazione della pianificazione e la creazione di dati offline generando scenari di guida futuri controllabili. Tuttavia, le esigenze computazionali dei generatori di guida basati su diffusione derivano dalla necessità di molteplici valutazioni di ampi backbone durante i passaggi di denoising, il che ostacola il throughput. Mentre i metodi attuali per l'accelerazione della diffusione affrontano questo problema, non riescono a utilizzare segnali specifici della guida come la velocità del veicolo e le traiettorie previste prima della generazione. DriveCache ottimizza il riutilizzo delle feature tra le scene in base al movimento pianificato e impiega la programmazione dinamica per gestire il riutilizzo durante il denoising all'interno di un budget di risposta calibrato. Un controllo di deriva causale aggiorna le feature e adatta il programma rimanente se la generazione si discosta dalle aspettative. Gli esperimenti dimostrano che la tolleranza della cache è influenzata dalla traslazione e rotazione del veicolo, dal progresso del denoising e dalla lunghezza del riutilizzo consecutivo, evidenziando l'efficacia dell'approccio.