SparseAD：面向高效端到端自动驾驶的稀疏查询中心范式
计算机视觉与模式识别
2024-04-11 v1
摘要
端到端范式使用统一框架在自动驾驶系统中实现多任务。尽管简单清晰，但端到端自动驾驶方法在子任务上的性能仍远落后于单任务方法。同时，先前端到端方法中广泛使用的密集BEV特征使得扩展到更多模态或任务成本高昂。在本文中，我们提出了一种用于端到端自动驾驶的稀疏查询中心范式（SparseAD），其中稀疏查询完全表示整个驾驶场景，跨越空间、时间和任务，无需任何密集BEV表示。具体地，我们为感知任务（包括检测、跟踪和在线建图）设计了一个统一的稀疏架构。此外，我们重新审视了运动预测和规划，并设计了一个更合理的运动规划器框架。在具有挑战性的nuScenes数据集上，SparseAD在端到端方法中实现了最先进的全任务性能，并显著缩小了端到端范式与单任务方法之间的性能差距。代码即将发布。
引用
@article{arxiv.2404.06892,
title = {SparseAD: Sparse Query-Centric Paradigm for Efficient End-to-End Autonomous Driving},
author = {Diankun Zhang and Guoan Wang and Runwen Zhu and Jianbo Zhao and Xiwu Chen and Siyu Zhang and Jiahao Gong and Qibin Zhou and Wenyuan Zhang and Ningzi Wang and Feiyang Tan and Hangning Zhou and Ziyao Xu and Haotian Yao and Chi Zhang and Xiaojun Liu and Xiaoguang Di and Bin Li},
journal= {arXiv preprint arXiv:2404.06892},
year = {2024}
}