爆拉UniAD近40%，推理提升3倍！UAD：全新纯视觉端到端SOTA（问鼎nuScenes）

文章预览

直播预告｜ 7月2日晚七点，「NVIDIA 机器人技术公开课」正式开讲，NVIDIA解决方案架构总监舒家明将以《NVIDIA Isaac 加速机器人3D视觉感知与机械臂轨迹规划》为主题进行直播讲解，欢迎扫码报名。 01 写在前面 动机来源于对当前E2E AD模型仍模仿典型驾驶堆栈中模块化架构的观察，这些模型通过精心设计的监督感知和预测子任务为定向规划提供环境信息。尽管取得了突破性的进展，但这种设计也存在一些缺点： 1）先前的子任务需要大量高质量的3D标注作为监督，给训练数据的扩展带来了重大障碍； 2）每个子模块在训练和推理中都涉及大量的计算开销。 为此，这里提出了UAD，一种使用无监督agent的E2EAD框架，以解决所有这些问题。首先，设计了一种新颖的角度感知预训练任务，以消除对标注的需求。该预训练任务通过预测角度空间的目标性和时间动态 ………………………………