TransParking：一种用于端到端自动泊车的具有软定位的双解码器 Transformer 框架
计算机视觉与模式识别
2025-11-12 v2
摘要
近年来，完全可微的端到端自动驾驶系统已成为智能交通领域的研究热点。在各个研究方向中，自动泊车尤为关键，其旨在实现车辆在复杂环境中的精确泊车。在本文中，我们提出了一种基于纯视觉的 Transformer 模型，用于端到端自动泊车，并使用专家轨迹进行训练。以摄像头采集的数据作为输入，所提出的模型直接输出未来轨迹坐标。实验结果表明，与当前同类型最先进的端到端轨迹预测算法相比，我们模型的各种误差降低了约 50%。因此，我们的方法为完全可微的自动泊车提供了一种有效的解决方案。
引用
@article{arxiv.2503.06071,
title = {TransParking: A Dual-Decoder Transformer Framework with Soft Localization for End-to-End Automatic Parking},
author = {Hangyu Du and Chee-Meng Chew},
journal= {arXiv preprint arXiv:2503.06071},
year = {2025}
}