FLINTの21.6MパラメータのRGBのみのモデルがオフロード走行で基盤モデルを上回る

オフロードナビゲーションには構造がない。走行可能なものに関する固定された語彙はなく、走行可能性は環境と車両自身のダイナミクスの両方に依存する。どちらの変数も大規模に手動でラベル付けすることはできないため、走行可能性は身体自身の経験から学習する必要がある。

マルチセンサー構成や計算負荷の高い推論プラットフォームという潮流に反して、FLINTは21.6Mパラメータのバックボーンであり、同等の基盤モデルのバックボーンより38分の1小さく、単一のRGBカメラを使用し、CPU単体で14.7 FPSで動作する。保持された地形プローブでより高いスコアを記録し、24件の再生フィールドログのうち23件で、展開済みの基盤モデルシステム（WildOS）よりも低コストでより正確なコストマップを生成した。

著者らは自己教師あり学習の信号を比較し、得られたモデルをクローズドループのフィールド試験に展開した。最良の自己教師ありヘッドはルート上で99%の自律性に達し、同じコースでライブ展開された人間ラベルで訓練されたベースラインを上回った。

ロボットに自身の経験から走行可能性を学習させる

プラットフォーム自身の経験からの自己教師あり学習は、訓練データをそれが直面する正確な身体と地形に適合させる。

単一のRGBカメラ上の小さなバックボーンは、意思決定に関連する信号を失うことなくコストとレイテンシを削減する。

保持された地形プローブと再生フィールドログは、ライブ展開前に汎化をテストした。

人間ラベルで訓練されたベースラインをライブで上回ったことは、ボトルネックがアーキテクチャではなくラベルであったことを示している。

身体化されたスキルについては、身体自身の記録された経験が、市販ハードウェアで十分なほど小さなモデルを教師あり学習できる。重いセンシングと計算が常に必要とは限らない。

FLINTは24件の再生フィールドログのうち23件で展開済みのWildOS基盤モデルシステムを上回り、クローズドループ試験で99%のルート自律性に達し、走行可能性推定に重いセンシングと計算は必要ないという論文の結論を裏付けた。