arXiv · ML· Manav Gagvani, Benjamin Namikas, Sivamurugan Velmurugan, Nysa Kumar, Shrey Sharma, Thomas Peterson, Pratyush Mathur, Hyunseo Chang, Rohan Paleja·· 1 天前AI 评分24
机制可解释性视角下的端到端自动驾驶
Mechanistic Interpretability for End-to-End Self-Driving
AI 导读
该研究在单目摄像头端到端路径规划模型上应用稀疏自编码器（SAE），无监督聚类S潜在变量恢复了98.3%的路线意图准确率。 通过配对的反事实图像编辑验证了S特定特征具有视觉接地性，并发现微调单个S潜在变量能引发可预测的单调变化，从而降低了3.44%的轨迹选择误差。
来源：arXiv · ML · arxiv.org