通过 V2X 协作的端到端自动驾驶
机器人学
2024-12-25 v3 计算机视觉与模式识别
多智能体系统
摘要
通过 V2X 通信协同利用本车与基础设施的传感器数据，已成为先进自动驾驶的一种极具前景的方法。然而，当前研究主要集中于改进各个独立模块，而非采用端到端学习来优化最终的规划性能，导致数据潜力未被充分利用。本文提出了 UniV2X，这是一个开创性的协作自动驾驶框架，将跨不同视图的所有关键驾驶模块无缝集成到一个统一网络中。我们提出了一种稀疏-密集混合数据传输与融合机制，以实现有效的车路协作，该机制具有三大优势：1) 能够同时增强智能体感知、在线建图和占据预测，最终提升规划性能；2) 在实际且有限的通信条件下对传输友好；3) 具备可靠的数据融合能力以及该混合数据的可解释性。我们在极具挑战性的真实世界协作驾驶数据集 DAIR-V2X 上实现了 UniV2X，并复现了多种基准方法。实验结果证明了 UniV2X 在显著提升规划性能以及所有中间输出性能方面的有效性。项目地址：\href{https://github.com/AIR-THU/UniV2X}{https://github.com/AIR-THU/UniV2X}。
引用
@article{arxiv.2404.00717,
title = {End-to-End Autonomous Driving through V2X Cooperation},
author = {Haibao Yu and Wenxian Yang and Jiaru Zhong and Zhenwei Yang and Siqi Fan and Ping Luo and Zaiqing Nie},
journal= {arXiv preprint arXiv:2404.00717},
year = {2024}
}
备注
Accepted by AAAI 2025. Add more open-loop evaluation indicators