端到端

自动驾驶的“三维进化” ：跨越平面的OmniDrive如何在3D空间实现端到端的决策规划？本篇文章由原paper一作Shihao Wang（王仕豪）全权翻译分享，王仕豪为北京理工大学硕士毕业生，主要从事计算机视觉和自动驾驶相关工作。他提出了StreamPETR,Far3D和OmniDrive等方法，并在nuScenes的检测和跟踪榜单上多次获得第一名。

端到端自动驾驶系列(一)：自动驾驶综述解析End-to-end-Autonomous-DrivingAbstract—The autonomous driving community has witnessed a rapid growth in approaches that embrace an end-to-end algorithm framework, utilizing raw sensor input to generate vehicle motion plans, instead of concentrating on indi

【6D位姿估计】GDR-Net 单目几何引导的直接回归模型本文介绍6D位姿估计的直接回归方法GDR-Net，它从单个RGB图像中确定物体在三维空间中的位置和方向。

目标点注意力Transformer：一种用于端到端自动驾驶的新型轨迹预测网络本文介绍了目标点注意力Transformer：一种用于端到端自动驾驶的新型轨迹预测网络。在自动驾驶领域中，已经有很多优秀的感知模型，用于目标检测、语义分割和其它任务，但是我们如何可以有效地将感知模型用于车辆规划呢？传统的自动驾驶车辆轨迹预测方法不仅需要遵循交通规则以实现避障，还需要按照规定的路线到达目的地。在本文中，我们提出了一种无规则的基于transformer的轨迹预测网络用于端到端自动驾驶，称为目标点注意力Transformer网络（TAT）。我们使用注意力机制来实现预测轨迹与感知特征以及目标点之间

端到端的机器学习项目（Machine Learning 研习之六）当你在研习机器学习时，最好是使用真实世界中的数据，而不是采用人工数据。巧的是，数以千计的数据集可供选择，涵盖了各种领域。