(資料圖片)

·該論文提出了首個感知決策一體化的端到端自動駕駛大模型UniAD，開創(chuàng)了以全局任務(wù)為目標的自動駕駛大模型架構(gòu)先河，標志著自動駕駛技術(shù)的重要突破。在UniAD中，多目標跟蹤準確率超越最佳性能20%，車道線預(yù)測準確率提升30%，預(yù)測運動位移和規(guī)劃的誤差分別降低38%和28%。

·這是近十年中國學(xué)術(shù)機構(gòu)作為第一單位首次獲CVPR最佳論文獎。論文由上海AI實驗室、武漢大學(xué)及商湯科技聯(lián)合撰寫。

6月21日，全球人工智能和計算機視覺領(lǐng)域頂級國際會議CVPR2023（IEEE Conference on Computer Vision and Pattern Recognition）在加拿大溫哥華正式公布獎項。上海人工智能實驗室、武漢大學(xué)及商湯科技聯(lián)合論文《以路徑規(guī)劃為導(dǎo)向的自動駕駛》（Planning-oriented Autonomous Driving，UniAD）獲最佳論文獎。這是近十年中國學(xué)術(shù)機構(gòu)作為第一單位首次獲CVPR最佳論文獎。該論文提出了首個感知決策一體化的端到端自動駕駛大模型，開創(chuàng)了以全局任務(wù)為目標的自動駕駛大模型架構(gòu)先河，標志著自動駕駛技術(shù)的重要突破。

一年一度的CVPR是計算機視覺領(lǐng)域的頂級會議。2023年，CVPR大會的論文投稿總量9155篇，其中2359篇論文被接收，接收率25.78%。而此次獲獎?wù)撐氖荂VPR歷史上第一篇以自動駕駛為主題的最佳論文，該論文首次提出感知決策一體化的自動駕駛通用大模型UniAD，能夠更好協(xié)助行車規(guī)劃。

自動駕駛是一個高度復(fù)雜的技術(shù)體系，不僅需要多個學(xué)科領(lǐng)域的知識和技能，包括傳感器硬件、機器學(xué)習(xí)、多模態(tài)融合等內(nèi)容，還需要適應(yīng)不同國家與地區(qū)的道路規(guī)則和交通文化，與車輛及行人進行良好交互，以實現(xiàn)高度的可靠性和安全性。自動駕駛系統(tǒng)包含三大主任務(wù)：感知、預(yù)測和規(guī)劃。當前，業(yè)界主流的方案架構(gòu)分別采用不同的模塊來處理這些具體任務(wù)，但由于各模塊并非以駕駛為最終目標進行優(yōu)化，因而自動駕駛系統(tǒng)的整體性能提升受到限制。

在UniAD中，研究人員首次將感知、預(yù)測和規(guī)劃等三大類主任務(wù)、六小類子任務(wù)（目標檢測、目標跟蹤、場景建圖、軌跡預(yù)測、柵格預(yù)測和路徑規(guī)劃）整合到一個基于Transformer的端到端網(wǎng)絡(luò)框架下，實現(xiàn)了全棧關(guān)鍵任務(wù)駕駛通用模型。在nuScenes真實場景數(shù)據(jù)集下，UniAD的所有任務(wù)均達到領(lǐng)域最佳性能（State-of-the-art，SOTA），尤其是預(yù)測和規(guī)劃效果遠超此前最佳方案。其中，多目標跟蹤準確率超越SOTA 20%，車道線預(yù)測準確率提升30%，預(yù)測運動位移和規(guī)劃的誤差則分別降低38%和28%。上海AI實驗室青年科學(xué)家李弘揚介紹，憑借其充分的可解釋性、安全性、與多模塊的可持續(xù)迭代性，UniAD是目前最具希望實際部署的端到端模型?；赨niAD的純視覺自動駕駛方案可為產(chǎn)業(yè)界提供全新研發(fā)思路，在節(jié)省大量硬件成本的同時，有助于提高出行的安全性與舒適性，該科研成果在產(chǎn)業(yè)界的落地應(yīng)用將推動自動駕駛技術(shù)與產(chǎn)品的規(guī)?；l(fā)展。

標簽：