Система для беспилотных автомобилей тратит менее 2% энергии некоторых нейросетевых систем

Препринт, ещё не рецензирован · ранние данные

Кратко

Авторы собрали систему, где вычисления идут короткими электрическими сигналами, а не плотным потоком операций. На тесте nuScenes она ошибалась в траектории в среднем на 0,40 м, сталкивалась в 0,12% случаев и потребляла 69,9 мДж; на отдельной проверке NAVSIM получила 86,3 балла.

Зачем это знать?

Для бортовых компьютеров беспилотных автомобилей такой результат представляет интерес из-за возможной экономии энергии; её величина зависит от оборудования и условий измерения, а сама система пока не проверена на дорогах.

Разбор

Авторы не стали строить ещё одну обычную нейросеть, где каждый слой постоянно обрабатывает весь массив чисел. Они перевели уже обученный модуль распознавания в формат целых «вспышек»: вычисление запускается только тогда, когда появляется значимый сигнал. Поэтому система не прокручивает лишние операции впустую. Важная деталь — ей не нужна долгая имитация работы во времени: весь прогноз она получает за один прямой проход.

Сначала SDPAD превращает изображения с нескольких камер в вид сверху — как на карте вокруг автомобиля. Затем она отдельно собирает сведения о самом автомобиле, других участниках движения и дорожной разметке. Специальный блок объединяет эти сведения и уточняет несколько будущих точек маршрута, по которым строится траектория. Такой подход нужен потому, что прежние системы с редкими импульсными вычислениями уже экономили энергию, но заметно проигрывали обычным нейросетям по точности планирования.

Проверка показала, что разрыв удалось почти закрыть: на nuScenes система оказалась сопоставима с сильными обычными планировщиками, а среди систем того же импульсного типа заметно обошла SAD. На проверке NAVSIM она набрала на 4,3 балла больше SAD и сравнялась с распространёнными плотными нейросетями по качеству, сохранив преимущество по энергозатратам. При этом авторы сравнивали именно вычислительные модели на наборах данных, а не поведение настоящего автомобиля на дороге.

Ключевые цифры

4,3 баллаНа проверке NAVSIM новая система опередила предыдущий импульсный планировщик SAD — это заметный прирост внутри одного класса методов.

1 проходДля одного прогноза системе не нужно многократно прокручивать модель во времени: она выдаёт результат за один прямой вычислительный цикл.

86,3 PDMSИтоговая оценка на NAVSIM показывает, что по качеству планирования система приблизилась к обычным нейросетевым решениям, а не только сэкономила энергию.

Можно ли доверять

Это препринт arXiv, поэтому работу ещё не проверили независимые рецензенты. Результаты получены на двух тестовых наборах и в моделируемом замкнутом цикле, а не на реальных дорогах; кроме того, абстракт не показывает, как система поведёт себя при редких или неожиданных ситуациях.

Это препринт, результаты еще не прошли независимую проверку рецензированием.
Оценка проведена на открытых и закрытых бенчмарках, а не в реальном автомобиле и дорожном движении.
Сравнение энергопотребления зависит от аппаратуры и условий измерения; в приведенных таблицах для многих ANN-методов такие данные отсутствуют.

Пересказано ИИ по научной статье. Это научпоп, а не совет врача. Как это устроено

Источник и детали

ЖурналarXiv (cs.AI)

Дата публикации у нас9 октября 2026 г.

Дата источника8 октября 2026 г.

ОригиналОткрыть

АвторыChengjun Zhang, Yuhao Zhang, Jie Yang, Mohamad Sawan