MAP：基于地图辅助规划的端到端自动驾驶
环与代数
2025-09-18 v1 算子代数
摘要
近年来，端到端自动驾驶因其能够在统一框架内联合建模感知、预测和规划而受到越来越多的关注。然而，大多数现有方法 underutilize在线地图模块，未充分发挥其提升轨迹规划潜力的作用。本文提出了MAP（Map-Assisted Planning），一种 novel 的地图辅助端到端轨迹规划框架。MAP通过Plan-enhancing Online Mapping模块、Ego-status-guided Planning模块以及基于当前ego状态的Weight Adapter模块，显式地整合了基于分割的数据地图特征和当前ego状态。在DAIR-V2X-seq-SPD数据集上的实验表明，所提出的方法在不使用后处理的情况下，相较于UniV2X基线实现了16.6%的L2位移误差降低、56.2%的离路率降低和44.5%的整体得分提升，并在MEIS Workshop @CVPR2025的End-to-End Autonomous Driving through V2X Cooperation Challenge Track 2中取得第一名，超越第二名模型39.5%的整体得分提升。这些结果凸显了在规划中显式利用语义地图特征的有效性，并为改进端到端自动驾驶系统的结构设计提出了新思路。我们的代码可在https://gitee.com/kymkym/map.git获取。
引用
@article{arxiv.2509.13929,
title = {Groupoids of finitely aligned higher-rank graphs via filters and graph morphisms},
author = {Lisa Orloff Clark and Malcolm Jones},
journal= {arXiv preprint arXiv:2509.13929},
year = {2025}
}
备注
Comments welcome!