Bench2Drive：迈向闭环端到端自动驾驶的多能力基准测试

在基础模型快速扩展的时代，自动驾驶技术正接近一个变革性的门槛，端到端自动驾驶因其在数据驱动方式下扩展的潜力而崭露头角。然而，现有的端到端自动驾驶方法大多在开环日志回放方式下进行评估，使用L2误差和碰撞率作为指标（例如在nuScenes中），这不能完全反映算法的驾驶性能，这一点最近已在社区中得到认可。对于那些在闭环协议下评估的端到端自动驾驶方法，它们在固定路线（例如CARLA中的Town05Long和Longest6）上进行测试，使用驾驶分数作为指标，该指标因指标函数不平滑和长路线中的大随机性而具有高方差。此外，这些方法通常收集自己的数据进行训练，这使得算法层面的公平比较变得不可行。为了满足全自动驾驶对全面、真实和公平测试环境的迫切需求，我们提出了Bench2Drive，这是第一个以闭环方式评估端到端自动驾驶系统多种能力的基准。Bench2Drive的官方训练数据包含200万个完全标注的帧，收集自13638个短片段，这些片段均匀分布在CARLA v2中的44种交互场景（切入、超车、绕行等）、23种天气（晴天、雾天、雨天等）和12个城镇（城市、村庄、大学等）中。其评估协议要求端到端自动驾驶模型在不同地点和天气下通过44种交互场景，总计220条路线，从而对其在不同情况下的驾驶能力提供全面且解耦的评估。我们实现了最先进的端到端自动驾驶模型，并在Bench2Drive上进行了评估，提供了关于当前状态和未来方向的见解。