文章预览
0. 简介 最近端到端已经是越来越火了,以 UniAD (https://hermit.blog.csdn.net/article/details/128632623) 为代表的很多工作不断地在不断刷新端到端的指标,比如最近 SparseDrive (https://blog.csdn.net/CV_Autobot/article/details/139817758) 又重新刷新了所有任务的指标。在端到端火热起来之前,成熟的模块化自动驾驶系统被分解为不同的独立任务,例如感知、预测和规划,从而导致模块间信息丢失和错误累积。相比之下,端到端范式将多任务统一到一个完全可微分的框架中,从而允许以规划为导向进行优化。当然对于刚刚开始熟悉这一行的人来说,最简单也最值得接触的就是UniAD这个项目。 本章节我们来看一下怎么在平台上运行以UniAD为代表的端到端模型的。 1. UniAD环境部署 统一自动驾驶框架 (UniAD) ,第一个将全栈驾驶任务整合到一个深度神经网络中的框架,并可以发挥
………………………………