【清华大学和理想汽车】GaussianAD：以高斯为中心的端到端自动驾驶

主要观点总结

本文主要介绍了一种以高斯为中心的端到端自动驾驶框架（GaussianAD）。该框架采用3D语义高斯作为场景表示，通过稀疏卷积和稀疏预测头高效处理3D场景。文章提出了高斯流预测周围场景演变，包括动态和静态元素。在nuScenes数据集上的实验验证了GaussianAD在端到端运动规划方面的有效性。

关键观点总结

关键观点1: GaussianAD框架的特点

采用3D语义高斯作为场景表示，结合稀疏卷积和稀疏预测头进行高效处理；通过高斯流预测周围场景的演变。

关键观点2: GaussianAD的有效性

在nuScenes数据集上进行了大量实验，验证了GaussianAD在端到端运动规划方面的有效性，实现了最先进的结果。

关键观点3: 论文内容组织

文章首先介绍了GaussianAD的背景和动机，然后详细描述了框架的组成部分，包括3D高斯场景表示、高斯流预测等。最后，在nuScenes数据集上的实验结果证明了该框架的竞争力。

关键观点4: 局限性

GaussianAD无法预测准确的场景演变，因为它没有考虑新观测到的区域。