DriveTransformer：用于可扩展端到端自动驾驶的统一Transformer
机器学习
2025-07-14 v2 计算机视觉与模式识别
机器人学
摘要
端到端自动驾驶（E2E-AD）已成为自动驾驶领域的一个趋势，承诺提供一种数据驱动、可扩展的系统设计方法。然而，现有的E2E-AD方法通常采用感知-预测-规划的顺序范式，这会导致累积误差和训练不稳定。任务的手动排序也限制了系统利用任务之间协同作用的能力（例如，感知感知的规划和博弈论交互式预测与规划）。此外，现有方法采用的密集BEV表示为远距离感知和长期时间融合带来了计算挑战。为解决这些挑战，我们提出了DriveTransformer，一个简化的E2E-AD框架，易于扩展，其三个关键特征为：任务并行性（所有智能体、地图和规划查询在每个模块中直接交互）、稀疏表示（任务查询直接与原始传感器特征交互）和流式处理（任务查询被存储并作为历史信息传递）。因此，新框架由三个统一操作组成：任务自注意力、传感器交叉注意力和时间交叉注意力，这显著降低了系统复杂性并带来了更好的训练稳定性。DriveTransformer在模拟闭环基准Bench2Drive和真实世界开环基准nuScenes上均取得了最先进性能，且具有高帧率。
引用
@article{arxiv.2503.07656,
title = {DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving},
author = {Xiaosong Jia and Junqi You and Zhiyuan Zhang and Junchi Yan},
journal= {arXiv preprint arXiv:2503.07656},
year = {2025}
}
备注
Accepted by ICLR2025; Fix Typo