Jun, 2021

HDMapGen：一种高清地图的分层图形生成模型

PDF
TL;DR介绍了一种通过自动递归生成方法生成高清地图的任务和被称为 HDMapGen 的层次图生成模型，该模型能够通过粗到精细的方法制作高质量且多样化的高清地图，并在 Argoverse 数据集和内部数据集上显示出在基线方法上明显的提高，同时表明了该模型的可扩展性和高效性。
hd mapsautonomous drivinggraph generationargoverse datasetscalability
发现论文，激发创造
  • DAGMapper: 发现车道拓扑结构的映射学习

    本文通过使用有向无环图模型 (DAG) 来推断车道边界的几何和拓扑属性，从而提高制作高精度地图的效率。经测试，该方法在两个不同的州的两条北美高速公路上表现出了 89% 的正确率。

    Dec, 2020

  • HiGen：层次图生成网络

    提出了一种新的图生成网络，以获得具有层级结构的图，并通过模块化方法在层级结构的不同级别生成社区，根据多项式分布对层级图中的边进行建模并成功地捕获了局部和全局性质。

    May, 2023

  • HDGT: 基于场景编码的多智能体轨迹预测的异质驱动图变压器

    针对自动驾驶中编码驾驶场景以进行轨迹预测的任务，本文提出了一种新颖的骨干网络，称为异构驾驶图变换器 (Heterogeneous Driving Graph Transformer, HDGT)，将驾驶场景建模为具有不同类型节点和边的异构图，并在图神经网络 (GNN) 的聚合模块中采用分层的变换器结构来适应输入的异构性，实验结果表明，该方法在 INTERACTION Prediction Challenge 和 Waymo Open Motion Challenge 中取得了新的最优结果。

    Apr, 2022

  • HDMapNet：一个在线高精度地图构建与评估框架

    本文介绍 HD 语义地图学习的问题，提出了一种语义地图学习方法 HDMapNet，通过多传感器数据的融合，可以更好地动态地构建地图语义，并且相比于传统基线方法具有更好的性能。

    Jul, 2021

  • 无需高清地图：直接从无人机图像预测驾驶行为

    利用无人机鸟瞰图像构建的地图表示法可以有效地提供路况信息，实现了在多智能体轨迹预测中获得与高清地图相当的性能。

    May, 2023

  • 先验通知高精地图预测模型对真实世界地图变化的探索

    通过对合成扰动进行实验和实际自主驾驶数据的评估，研究发现在现实世界高清地图变化中，合成先前扰动与实际观察到的地图变化之间仍存在较大的差距，从而限制了当前利用先前信息的高清地图预测模型的实用性。

    Jun, 2024

  • MP3：一个统一的模型用于映射、感知、预测和规划

    提出了一种无地图自主驾驶的端到端方法，该方法以原始传感器数据和高级命令（例如，在十字路口左转）作为输入，利用在线地图以及动态代理的当前和未来状态性能预测，并利用一种新颖的神经运动规划器制定可解释决策，同时能够更好地执行命令和比基线和专家驾驶员更加安全和舒适地执行长期封闭环模拟。

    Jan, 2021

  • 路径感知图注意力在动作预测的应用

    提出了一种基于路径感知的图形注意力机制，用于对高清地图进行编码，以帮助自主驾驶汽车预测路径，并在 Argoverse Motion Forecasting 数据集上取得了最优结果。

    Feb, 2022

  • 基于覆盖感知和强化学习的高清地图更新服务提升

    高清地图技术在自动驾驶中扮演关键角色，本论文提出了一种 Q-learning 算法来优化车载网络和高清地图更新，以解决网络拥塞和服务质量问题，实验结果显示，相较于其他方案，该算法显著提高了高清地图数据的延迟性能。

    Feb, 2024

  • 在线基于几何学的矢量高清地图构建

    GeMap 是一种应用于构建在线矢量化高清地图的方法，通过学习欧氏空间的形状和关系，利用几何损失和自注意机制，实现了最先进的性能。

    Dec, 2023