【论文阅读】UniAD: Planning-oriented Autonomous Driving

一、Introduction

传统的无人驾驶采用了区分子模块的设计,即将无人驾驶拆分为感知规划控制三个模块,这虽然能够让无人驾驶以一个很清晰的结构实现,但是感知的结果在传达到规划部分的时候,会导致部分信息丢失,这势必会让很多关键信息无法传递到规划部分,限制整体的算法运行。端到端的无人驾驶则是将感知、预测和规划整合为一个整体,并以规划为任务的核心。在这篇出名的无人驾驶论文中,作者将无人驾驶分为了五个关键的子任务,作者讨论了对于一个端到端的无人驾驶任务来说,究竟哪个模块是必须保留的,而哪些模块是可有可无的。

二、Methodology

Overview

UniAD采用的是基于Transformer的结构,整个框架基于Transformer设计了四个子模块以及一个预测模块。输入的环视图像首先使用BEVFormer转换为BEV特征,后续的所有任务都基于这个BEV视角。作者特地提到,这里并不对使用的BEV模块做限制,任何一个能够完成BEV特征提取的模型都可以用在这里,作者在UniAD中使用的框架叫BEVFormer,也是一个基于Transformer的模型。转换为BEV特征后,首先使用两个特征提取的模块TrackFormer和MapFormer分别提取场景中的agent信息和地图信息,之后使用这两个信息在MotionFormer里面进行预测,得到未来的轨迹信息,这些轨迹信息在OccFormer里面转换为未来时刻场景中占用的预测,最后在Planner的部分完成轨迹的生成和优化。

Perception: Tracking and Mapping

TrackFormer
MapFormer

Prediction: Motion Forecasting

MotionFormer
MotionQueries
Non-linear Optimization

Prediction: Occupancy Prediction

Planning

相关推荐
comli_cn6 小时前
GSPO论文阅读
论文阅读·人工智能
2301_797892837 小时前
论文阅读:《Self-Supervised Continual Graph Learning in Adaptive Riemannian Spaces》
论文阅读
张较瘦_7 小时前
[论文阅读] AI + 软件工程(Debug)| 告别 “猜 bug”:TreeMind 用 LLM+MCTS 破解 Android 不完整报告复现难题
论文阅读·人工智能·bug
红苕稀饭66611 小时前
KD论文阅读
论文阅读
张较瘦_11 小时前
[论文阅读] AI + 软件工程 | 从“事后补救”到“实时防控”,SemGuard重塑LLM代码生成质量
论文阅读·人工智能·软件工程
berling002 天前
【论文阅读 | ECCV 2024 | DAMSDet:具有竞争性查询选择与自适应特征融合的动态自适应多光谱检测变换器】
论文阅读
红苕稀饭6662 天前
Ttimesuite论文阅读
论文阅读
有Li2 天前
EndoChat:面向内镜手术的基于事实依据的多模态大型语言模型|文献速递-文献分享
大数据·论文阅读·人工智能·算法·文献·医学生
Vizio<2 天前
《面向物理交互任务的触觉传感阵列仿真》2020AIM论文解读
论文阅读·人工智能·机器人·机器人触觉
Purple Coder2 天前
论文阅读(第4章,page55)
论文阅读