中科院开源 LAW | 无需昂贵标注，自监督方法推动端到端驾驶发展，不依赖标注的情况下实现自动驾驶突破！

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 端到端自动驾驶技术已经引起了广泛关注。当前的端到端方法在很大程度上依赖于来自感知任务（如检测、跟踪和地图分割）的监督来辅助学习场景表示。 然而，这些方法需要大量的标注，限制了数据的可扩展性。为了应对这一挑战，作者提出了一种新颖的自监督方法，在不需昂贵标签的情况下增强端到端驾驶。具体来说，作者的框架 LAW 使用一个潜在世界模型（LAtent World）根据预测的自我动作和当前帧的潜在特征来预测未来的潜在特征。预测的潜在特征由未来实际观察到的特征进行监督。 这种监督共同优化了潜在特征学习和动作预测，极大地提升了驾驶性能。 因此，作者的方法在没有昂贵标注的情况下，在开环和闭环基准测试 ………………………………