迈向基于学习的规划：nuPlan 真实世界自动驾驶基准

机器学习（ML）已取代传统手工方法用于自动驾驶车辆的感知和预测。然而，对于同样重要的规划任务，基于 ML 技术的采用进展缓慢。我们推出了 nuPlan，这是全球首个真实世界自动驾驶数据集和基准。该基准旨在测试基于 ML 的规划器处理多样化驾驶情境并做出安全高效决策的能力。为此，我们引入了一个新的大规模数据集，包含来自 4 个城市（拉斯维加斯、波士顿、匹兹堡和新加坡）的 1282 小时多样化驾驶场景，包括高质量的自动标注物体轨迹和交通灯数据。我们详尽地挖掘并对常见和罕见的驾驶场景进行分类，这些场景用于评估以获得对规划器性能和特征的细粒度洞察。除数据集外，我们还提供了一个仿真和评估框架，使规划器的动作能够在闭环中进行仿真，以考虑与其他交通参与者的交互。我们对众多基线进行了详细分析，并研究了基于 ML 的方法与传统方法之间的差距。nuPlan 数据集和代码可在 nuplan.org 获取。