bestpaper分享_1

# [CVPR23 感推 Planning-oriented Autonomous Driving] *论文下载地址(可选):[[Planning-Oriented Autonomous Driving (thecvf.com)](https://openaccess.thecvf.com/content/CVPR2023/p...

#[CVPR23 感推 Planning-oriented Autonomous Driving]


*论文下载地址(可选):[[Planning-Oriented Autonomous Driving (thecvf.com)](https://openaccess.thecvf.com/content/CVPR2023/papers/Hu_Planning-Oriented_Autonomous_Driving_CVPR_2023_paper.pdf)]*


*代码是否开源:是*


## 一句话总结内容


> UniAD 首次将感知、预测、规划等三大类主任务、六小类子任务(目标检测、目标跟踪、场景建图、轨迹预测、栅格预测和路径规划)整合到统一的端到端网络框架下,实现了**全栈**关键任务驾驶通用模型。该框架经过精心设计以充分利用每个模块的优势,并从全局角度为代理交互提供了互补的特征抽象。任务通过统一的查询接口进行沟通,方便彼此进行规划。在 nuScenes **真实场景**数据集下,所有任务均达到领域**SOTA**,尤其是预测和规划效果远超之前最好方案。


## 一句话总结贡献


> 1. 遵循以规划为导向的理念,证明了高效任务协调的必要性,而不是独立设计或简单的多任务学习;

> 2. 提出 UniAD,一个利用多种任务的综合性端到端系统。关键组件是将query设计为连接所有节点的接口。因此,UniAD 有灵活的中间表示和交换多任务知识以进行规划;

> 3. 在现实场景的挑战性bmk上,UniAD通过消融实验,验证了UniAD在各个方面都优于以前SOTA的方法。


## 印象最深刻的点


> 第一篇全栈端到端的自动驾驶解决方案,基本上涵盖了自动驾驶的各个任务,从感知到预测到规划。第一个证明了感知和预测对于最终的规划可以进行端到端训练,且是前面的task对后面的规划有用。


## 对我们的启发


> 原来的独立模型和多任务学习方案,存在信息丢失、误差累积和负迁移的问题。本文认为应该设计和优化一种有利最终目标(路径规划)的框架。基于此,重新审视感知和预测中的关键部分,确定任务的优先级,以使所有任务都有助于规划。同时这不是简单的多任务的工程堆叠。一个关键的组件是用来连接所有节点的基于查询(query)的设计。


## Idea是否好想


> 好想,每个阶段整合到一起,但是实现起来困难。


## 是否有开创性


> 是,是首个**具备全栈关键任务的端到端自动驾驶模型**,开创了以终极任务为全局优化目标的先例


## 是否属于Vision


> 是


## 是否属于热点


> 是


## 其他需要补充的点(获奖理由)


> **该文章提出一个端到端的感知决策一体框架,融合了多任务联合学习的新范式,使其进行更有效的信息交换,协调感知预测决策,以进一步提升路径规划能力。**


## 与其他论文的关联(可选)


你可能感兴趣的文章

相关问题

0 条评论

请先 登录 后评论
Yuan Xu
Yuan Xu

西北工业大学

1 篇文章

作家榜 »

  1. Panda-admin 37 文章
  2. 解弘艺 17 文章
  3. 高曾谊 16 文章
  4. 旺仔牛奶opo 15 文章
  5. 胡中天 14 文章
  6. LH 14 文章
  7. 罗柏荣 13 文章
  8. 林晨 12 文章