{{detailStore.author.is_follow?'已关注':'关注'}}
今天才抽出时间,学习了CVPR2023的Best Paper,来自上海OpenDriveLab的自动驾驶端到端方案UniAD。 此前行业的普遍看法是:自动驾驶很难做端到端,尤其是「感知决策一体式」框架,会存在黑盒,且大模型的输出结果,不具有可解释性。 从UniAD的模型来看,似乎和传统的模块化自动驾驶方案没有区别。 但实际上,是把感知、预测、规划,这三个大类主任务和六个小类子任务,整合到了一个框架下,实现了关键驾驶任务的通用模型 流程上,还是把摄像头采集到的图像,通过Transformer拍到BEV空间里,之后用TrackFormer和MapFormer与BEV特征交互,完成了通用障碍物检测、追踪、地图构建,得出特征Qa、Qm。再与MotionFormer交互,得出整体的轨迹预测Qx,最终通过OccFormer 得到占据栅格和可达空间,从而帮助车辆完成最终的规划。 在我看来UniAD采用的是一种渐进式路线,把三大类主任务以「多组查询向量」进行了融合,并将特征持续传递,最终将所有融合信息传至最终的规划模块。 它具有很强的可解释性,训练方式也可以解耦,所以具有很强的应用价值。很期待能有工程落地的效果。 #新能源大牛说#
  • 全部评论{{detailStore.commentnum}} 条
  • 只看作者
  • 最热
  • 最新
  • 最早

「待审核」

首评 {{ comment.relativeTime }} 已被赞赏 {{comment.integral}} 积分 回复

{{ type!=10 ? '前排沙发空着~' : '暂无相关评论' }}

{{type!=10 ? '还没有人评论哦,快抢沙发吧!' : '发表一下个人看法吧'}}
写评论
积分赞赏
点赞
评论区
  • 编辑
  • {{ is_favourite ? '已收藏' : '收藏' }}
  • {{ is_personal_top ? '取消主页置顶' : '个人主页置顶' }}
  • 举报
  • 加入黑名单
  • 内容{{ eyes_only ? '公开' : '仅自己' }}可见
  • 删除
  • 取消置顶
  • 置顶推荐
    • 6小时
    • 12小时
    • 24小时
    • 3天
    • 一周
    • 长期
  • {{ feature?'撤销':'进' }}精选库
  • {{ digest?'撤销精华':'设为精华' }}
回到顶部