مقاله‌ای تازه در arXiv روش «انتخاب توکن آگاه از هندسه» (GATS) را پیشنهاد می‌کند که پیش از پردازش تصویر توسط مدل رانندگی خودکار، با استفاده از اندازه‌گیری‌های LiDAR و رادار، بخش‌هایی از تصویر را انتخاب می‌کند. نویسندگان گزارش می‌کنند که GATS با بودجه ۱۰ درصدی توکن، به 24 GFLOPs نیاز داشت؛ یعنی ۱۸ برابر کمتر از مدل پایه متراکم، و در عین حال در nuScenes و NAVSIM امتیاز بهتری گرفت. در 739 سناریوی حساس به قصد راننده، نرخ برخورد 0.09% گزارش شد؛ در مقایسه با 0.34% برای مدل متراکم. این‌ها نتایجی هستند که در مقاله گزارش شده‌اند؛ چکیده ارائه‌شده، عملکرد خودرو در رانندگی واقعی را اثبات نمی‌کند.
چرا مهم است
برای پژوهشگران رانندگی خودکار، کاهش محاسبات گزارش‌شده راهی برای پردازش داده‌های تصویری کمتر، بدون افت عملکرد در آزمون‌های معیار، پیشنهاد می‌کند؛ اما هنوز مشخص نیست این روش در جاده‌های واقعی چه تأثیری دارد.
