单设备上的 L2 级自动驾驶：深入剖析 Openpilot
计算机视觉与模式识别
2022-06-17 v1 机器人学
摘要
配备广泛传感器，主流自动驾驶方案正变得更趋向模块化以进行安全系统设计。尽管这些传感器奠定了基础，但迄今为止大多数量产方案仍停留在 L2 阶段。其中，Comma.ai 进入我们的视野，声称一个售价 $999 的售后设备，内部仅搭载单摄像头与计算板，便具备处理 L2 场景的能力。连同 Comma.ai 发布的整个系统的开源软件，该项目被命名为 Openpilot。这可能吗？若可能，是如何实现的？带着好奇，我们深入剖析 Openpilot，并总结其成功关键在于端到端系统设计而非传统模块化框架。该模型简称为 Supercombo，可从单目输入实时预测自车未来轨迹及其他道路语义。遗憾的是，使其运作的训练过程与海量数据并未公开。为进行深入研究，我们尝试复现训练细节并在公开基准上测试该流程。本工作提出的重构网络称为 OP-Deepdive。为公平比较我们的版本与原始 Supercombo，我们引入双模型部署方案以在真实世界中测试驾驶性能。在 nuScenes、Comma2k19、CARLA 及内部真实场景上的实验结果验证了低成本设备确实可实现大多数 L2 功能，并与原始 Supercombo 模型相当。在本报告中，我们愿分享最新发现，从工业产品级视角为端到端自动驾驶提供新见解，并潜在启发社区持续提升性能。我们的代码、基准位于 https://github.com/OpenPerceptionX/Openpilot-Deepdive。
引用
@article{arxiv.2206.08176,
title = {Level 2 Autonomous Driving on a Single Device: Diving into the Devils of Openpilot},
author = {Li Chen and Tutian Tang and Zhitian Cai and Yang Li and Penghao Wu and Hongyang Li and Jianping Shi and Junchi Yan and Yu Qiao},
journal= {arXiv preprint arXiv:2206.08176},
year = {2022}
}
备注
Tech report. Project page: https://github.com/OpenPerceptionX/Openpilot-Deepdive