文章预览
ADAS Laboratory 点击上方 蓝字 关注 智驾实验室 扫描上方二维码,加入【 智驾实验室 】交流群, 获取更多内容和资料 自动驾驶(AD)任务的快速发展转向了端到端的方式,特别是在利用视觉-语言模型(VLMs)方面,这些模型集成了强大的逻辑推理和认知能力,以实现全面的端到端规划。然而,这些基于VLM的方法往往将2D视觉标记器和大型语言模型(LLM)集成用于自我车辆规划,这缺少了可靠规划基石的3D几何先验。 自然地,这个观察提出了一个关键问题: 2D标记化的LLM能否准确感知3D环境? 作者评估了当前基于VLM的方法在3D目标检测、矢量化地图构建和环境描述方面的表现,不幸的是,答案似乎是 否定的 。换句话说,2D标记化的LLM无法提供可靠的自动驾驶。 为此,作者引入了类似DETR的3D感知器作为3D标记器,它们通过一层线性投影器与LLM连接。这
………………………………