May, 2022

TransFuser：基于 Transformer 传感器融合的自动驾驶模仿

PDF
TL;DR该研究介绍了 TransFuser - 一种使用自我注意力机制将图像和雷达的信息进行融合，以提高自动驾驶中辨识物体和行驶路径的性能，实验证明该方法的表现在 CARLA 排行榜上优于以往所有的算法。
autonomous drivingsensor fusiontransfuserself-attentioncarla leaderboard
发现论文，激发创造
  • 多模态融合 Transformer 用于端到端自动驾驶

    本文提出使用多模态融合转换器 TransFuser 对图像和 LiDAR 传感器的信息进行整合以实现先进的自动驾驶技术，在 CARLA 城市驾驶模拟器中实验验证证明该方法在处理复杂场景时比传统基于几何的融合方法有更好的效果，并且在减少碰撞方面表现出色。

    Apr, 2021

  • 自主驾驶的空间编码传感器融合

    该论文介绍了一种使用 Transformer 模块在多个分辨率上有效合并局部和全局上下文关系的相机和 LiDAR 数据融合方法，并通过与两个具有长途路线和高密度交通的对抗基准的广泛实验证实了该方法的性能优势。与之前的方法相比，该方法在最具挑战性的基准测试中取得了显著更高的驾驶和违规得分，对于 Longest6 和 Town05 Long 基准测试，分别取得了 8% 和 19% 的提升。

    Aug, 2023

  • LeTFuser：轻量级端到端基于 Transformer 的多任务学习自动驾驶传感器融合

    通过引入 LeTFuser 算法，利用 Convolutional vision Transformer 实现多个 RGB-D 相机表示的融合，以解决端到端自动驾驶中涉及多个动态主体的复杂场景下现有传感器融合技术在模仿学习中的不足，并通过多任务学习在感知和控制任务之间同时进行相关处理。

    Oct, 2023

  • 基于惩罚的仿生学习，融合跨语义生成传感器融合于自主驾驶

    本文提出了一种新颖的基于特征融合的多传感器融合技术，结合仿真学习实现端到端自动驾驶导航。论文的重点在于 Lidar 和 RGB 信息的融合技术，同时提出基于惩罚的仿真学习方法，以加强模型对交通规则的遵守，并统一仿真学习和自动驾驶指标的目标。

    Mar, 2023

  • 利用可解释的传感器融合 Transformer 实现强化安全的自主驾驶

    本文提出了一种名为 Interpretable Sensor Fusion Transformer (InterFuser) 的安全增强自动驾驶框架，可完全处理和融合来自多模态多视角传感器的信息，实现全面的场景理解和对抗事件检测，在 CARLA 基准测试中表现优异，并提供了中间可解释特征用于更好地限制行动。

    Jul, 2022

  • TransFusion: 基于 Transformer 的稳健激光雷达 - 相机融合用于三维目标检测

    TransFusion 是一种稳健的解决方案，用于处理自动驾驶中 LiDAR 和摄像头数据融合时面对的图像质量下降和误差校准问题。该方法结合了使用浅层目标查询从 LiDAR 点云预测初始边界框和自适应融合对象查询与有用的图像特征，使用注意机制确定应该从图像中获取哪些信息的特点，在大规模数据集上表现良好。

    Mar, 2022

  • 基于语义引导的基于 Transformer 的传感器融合用于改进航点预测

    传感器融合在智能自驾代理中是关键，本文通过融合辅助任务和利用模仿学习来改进基础网络以提高道路导航的安全性和完整性。

    Aug, 2023

  • TransFusionOdom: 基于 Transformer 的 LiDAR - 惯导融合里程估计

    本研究中，我们提出了一个基于 Transformer 的 LiDAR-Inertial 融合（即 TransFusionOdom）的端到端受监督的 odom 估计框架，用于解决传感器融合中的挑战性问题。我们提出的多注意力融合模块可展示多种同构和异构融合策略，以解决盲目增加模型复杂性带来的过拟合问题，而且使用了一种通用的可视化方法来说明基于 Transformer 的多模态交互学习过程。我们公开了一个综合多模态数据集以验证传感器融合贡献的通用性，并在 KITTI 数据集上进行了定量和定性 odom 评估，结果表明与其他相关工作相比，我们提出的 TransFusionOdom 具有更好的性能。

    Apr, 2023

  • 基于运动变压器的轨迹预测的迁移学习研究

    基于变压器模型的模拟研究进行了转移学习技术的研究，旨在为在现实世界中实现有效的转移提供性能与计算时间之间可能的权衡的见解。

    Apr, 2024

  • TransCAR: 基于 Transformer 的摄像头和雷达融合技术用于 3D 物体检测

    该研究提出一种基于 Transformer 的摄像头和雷达融合方案 TransCAR，用于 3D 物体检测，并通过 set-to-set 的匈牙利损失估计每个查询的边界框，最终在挑战的 nuScenes 数据集中得到了优越的实验结果，超越了现有的基于相机 - 雷达融合的 3D 物体检测方法。

    Apr, 2023