يقدم الباحثون خط أنابيب استرجاع موحد لسيناريوهات القيادة الذاتية يدمج التضمينات البصرية مع التمثيلات القائمة على المسار لمعالجة قيود النهج أحادية الوساطة.
- تبحث الدراسة في طريقتين للمسار: Exo-Trajectory، وهي طريقة مطابقة صريحة تعتمد على حركة الوكلاء المحيطين، وScenarioFormer، وهو تمثيل قائم على المحول (transformer) تم تعلمه عبر التعلم التبايني.
- تُظهر التمثيلات المسارية أداءً قوياً للأحداث المرتكزة على الحركة مثل cut-ins، والمناورات الانعطافية، وطوابير المرور.
- تتفوق التضمينات البصرية عندما تكون إشارات المظهر مفيدة.
- يؤدي دمج المعلومات البصرية والمسارية إلى تحسين جودة الاسترجاع بشكل متسق، مما يحقق أفضل أداء شامل.
تشير هذه النتائج إلى أن التقاط المظهر والحركة هما مفهومان مكملان لتشابه السيناريو، مما يحفز الأنظمة متعددة الوسائط للتعدين البيانات، وتنقية مجموعات البيانات، والتحقق من الصحة القائم على السيناريوهات.