AMap：用于提前感知的在线 HD 地图构建的知识蒸馏

在线高定义（HD）地图构建是自动驾驶的关键技术。虽然最近的研究方法利用历史时间融合来提升性能，但我们发现这一范式存在严重的安全缺陷：其本质上是“ spatially backward-looking”的。这些方法主要改善已遍历区域的地图重建，对未见道路的提升有限。关键在于，我们对下游规划任务的分析揭示了一个严重的不对称性：后向感知误差往往可以接受，但前向区域的误差直接导致危险的驾驶动作。为弥合这一安全差距，我们提出了 AMap，一种面向提前感知的在线 HD 地图构建框架。我们首次提出了“distill-from-future”范式，拥有对未来时间上下文特权访问的教师模型指导仅受当前帧约束的轻量级学生模型。这一过程隐式地将前瞻知识压缩到学生模型中，赋予其在推理时无需额外成本的“ look-ahead”能力。技术上，我们引入了具有空间掩码的多级 BEV 蒸馏策略和非对称查询适应模块，以有效将未来感知的表征传递到学生的静态查询中。大量实验表明，AMap 在当前帧的感知能力显著提升，尤其在关键前向区域超越了最新的方法，同时保持单帧推理的效率。