爆拉UniAD近40%，推理提升3倍！UAD：全新纯视觉端到端SOTA

文章预览

↑ 点击 蓝字  关注极市平台 作者丨Mingzhe Guo等 来源丨自动驾驶之心 编辑丨极市平台 极市导读   UAD在nuScenes的平均碰撞率上相对于UniAD实现了38.7%的相对改进，并在CARLA的Town05 Long基准测试中在驾驶得分上超过了VAD 41.32分。此外，所提出的方法仅消耗UniAD 44.3%的训练资源，并在推理中运行速度快3.4倍。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 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 ………………………………