无监督角度感知突破数据瓶颈，端到端自动驾驶具备大模型scaling law

文章预览

论文标题： End-to-End Autonomous Driving without Costly Modularization and 3D Manual Annotation 论文作者： Mingzhe Guo, Zhipeng Zhang, Yuan He, Ke Wang, Liping Jing 编译：匡吉 审核： Los 导读： 本文提出了一个无监督的任务，以舍弃端到端自动驾驶中对3D手动标注的要求，从而可以将训练数据扩展到数十亿级别而不会产生任何标注过载问题。此外，本文引入了一种新颖的自监督方向感知学习策略，以最大限度地提高不同增强视图下预测轨迹的一致性，从而增强了转向场景中的规划稳健性。 ©️【深蓝AI】编译 本文提出了一种基于视觉的端到端自动驾驶（E2EAD）方法----UAD，它在nuScenes中获得了最佳的开环评估性能，同时在CARLA中表现出稳健的闭环驾驶质量。作者的动机源于这样的观察：当前的E2EAD模型仍然模仿典型驾驶堆栈中的模块化架构，即精心设计了监督感知和预测子任务，为 ………………………………