DyRoNet: A Low-Rank Adapter Enhanced Dynamic Routing Network for Streaming Perception

自动驾驶系统需要实时、准确的感知来导航复杂环境。为此，我们介绍了动态路由网络（DyRoNet），这是一个创新性的框架，采用低秩动态路由以增强流式感知。通过集成专门的预训练分支网络，针对各种环境条件进行微调，DyRoNet实现了延迟和精度之间的平衡。其核心特点——速度路由器模块，智能地将输入数据定向到最适合的分支网络，优化性能。广泛的评估表明，DyRoNet有效地适应了多种分支选择策略，在各种场景下设立了新的性能基准。DyRoNet不仅为流式感知建立了新的基准，还为未来的工作提供了有价值的工程洞见。更多项目信息可在https://tastevision.github.io/DyRoNet/上获得。

论文旨在解决自主驾驶系统中的实时、准确感知问题，通过低秩动态路由创新实现增强的流式感知。同时，通过集成经过专门预训练的分支网络，针对不同的环境条件进行微调，实现延迟和精度之间的平衡。

论文的关键思路是使用低秩动态路由和专门预训练的分支网络来优化自主驾驶系统的感知性能。其中，速度路由模块能够智能地将输入数据定向到最适合的分支网络，从而优化性能。

论文通过广泛的评估，证明了DyRoNet能够有效地适应多种分支选择策略，并在各种情况下取得了新的性能基准。此外，DyRoNet还提供了有关未来工作的有价值的工程见解。论文的代码和更多项目信息可以在https://tastevision.github.io/DyRoNet/上找到。

在这个领域中，最近的相关研究包括《End-to-End Learning of Driving Models from Large-Scale Video Datasets》和《Neural Lander: Stable Drone Landing Control using Learned Dynamics》等。