都在落地端到端！手撕代码，今天一起来梳理下UniAD的实现

文章预览

今天自动驾驶Daily今天为大家分享一篇UniAD的核心模块实现部分，助力端到端落地。如果您有相关工作需要分享，请在文末联系我们！ 本文只做学术分享，如有侵权，联系删文 写在前面 UniAD是围绕查询设计的，它的感知、预测、规划任务都使用交叉注意力来将前置任务的查询转换为当前任务的查询。每个任务的查询以及这些查询的组合，都用长度为256的向量表征。最初的表征（BEV元素）通过多个Transformer Decoder，每个Decoder的输出有不同任务的监督数据，这些任务引导了中间表示（dim=256的向量）的演化。 在这个过程中，UniAD对表征做了很多组合和变换，引入了冗余的参数。（与之相比，英伟达的ParaDrive则直接从BEV并行训练多任务，取得了更好的效果。）中间表征在演化过程中有多个名字，如下表中形状中有x256的变量，作为每个模块的输入和输出。在 ………………………………