UAD：无需昂贵标注的端到端自动驾驶新训练方法

文章预览

讲座预告 End-to-End Autonomous Driving without Costly Modularization and 3D Manual Annotation GitHub项目： https://github.com/KargoBot_Research/UAD 论文： https://arxiv.org/abs/2406.17680 UAD （Unsupervised Autonomous Driving）是一种创新的端到端自动驾驶方法，由来自北京交大和 KargoBot 公司的研究人员开发，它突破了传统自动驾驶系统对昂贵模块化和3D手动标注的依赖。 UAD 通过引入无监督预训练任务，有效模拟了驾驶场景中的角度空间对象性和时间动态，从而在无需大量高质量标注数据的情况下，实现了对环境的精准感知。此外，UAD采用了自监督的训练策略，通过增强不同视图下的轨迹预测一致性，显著提升了规划模块在复杂转向场景中的鲁棒性。 UAD 的特点在于其数据效率和计算效率的双重优势。在nuScenes数据集上，UAD实现了比现有最佳方法更优的性能，同时在训练资源消耗和推理速度 ………………………………