Dec, 2023

行业和学界的自动驾驶端到端规划：2022-2023

PDF
TL;DR本文快速回顾了当前在工业界和学术界报道的方法和技术，具体地评估了包括特斯拉 FSD V12、Momenta 2023、Horizon Robotics 2023、Motional RoboTaxi 2022、Woven Planet（丰田）：城市司机和 Nvidia 在内的端到端规划。此外，我们还回顾了研究自主驾驶端到端规划的学术研究领域的最新研究。本文为读者提供了有关 2022-2023 年最新端到端规划的简洁结构和快速学习方法。本文既是初学者了解工业界和学术界自主驾驶端到端规划最新进展的入门材料，也是高级研究人员的补充资料。
发现论文，激发创造
  • 自动驾驶的运动规划：现状和展望

    该论文旨在综述智能车辆的规划方法，介绍了管道规划和端到端规划方法，并探讨了挑选算法和训练方法的不同考虑因素以及当前的挑战和未来方向。

    Mar, 2023

  • 端到端自动驾驶：挑战与前沿

    本文系统分析了 250 多篇论文，涵盖了自主驾驶的动机、路线图、方法论、挑战和未来趋势，并深入探讨了多模态、可解释性、因果混淆、健壮性和世界模型等若干关键挑战，同时讨论了基础模型和视觉预训练的最新进展，以及如何在端到端驾驶框架中整合这些技术。

    Jun, 2023

  • 端到端驾驶调查：架构与训练方法

    本论文综述了使用机器学习的端到端方法对全自动驾驶进行的实验和研究，讨论了输入和输出模态、神经网络架构和评估方案，着重关注了可解释性和安全性这两方面的挑战，并提出了一种将端到端自动驾驶系统中最有前途的元素结合在一起的架构。

    Mar, 2020

  • 基于深度学习的端到端自动驾驶的最新进展：综述

    该论文综述了端到端自动驾驶技术的最新发展和相关挑战，并探讨了其在实际应用中的重要性和潜在风险。

    Jul, 2023

  • 基于深度学习的端到端自动驾驶：系统性综述

    综述了近期基于机器学习的技术，包括但不限于目标检测、轨迹预测与强化学习，以及对其进行分类和研究趋势，同时指出了该领域的挑战和未来研究方向。

    Aug, 2023

  • 自主驾驶新兴技术概述

    本文概述了自动驾驶技术及其存在的问题，重点探讨了自动驾驶系统中的感知、地图定位、预测、规划和控制、仿真、车联网及安全等方面，并着重介绍了数据闭环解决自动驾驶问题的框架。

    Jun, 2023

  • 深度学习自动驾驶系统中预测和规划的集成思考：一项综述

    自动驾驶有潜力彻底改变个人、公共和货物运输的机动性。通过准确感知环境并利用可获得的传感器数据，自动驾驶需要规划一条安全、舒适和高效的运动轨迹。为了提高安全性和前进步伐，许多研究依赖于预测周围交通的未来运动。模块化的自动驾驶系统通常将预测和规划作为顺序独立的任务处理。然而，这种方法虽然考虑到了周围交通对自车的影响，却未能预测交通参与者对自车行为的反应。最近的研究表明，将预测和规划整合为相互依赖的联合步骤是实现安全、高效和舒适驾驶的必要条件。本研究系统回顾了基于深度学习的预测、规划和集成预测规划模型的最新进展。考虑到模型架构、设计和行为方面，综合了集成的不同方面，并将它们相互关联。此外，我们讨论了不同集成方法的意义、优势和限制。通过指出研究中的空白、描述相关的未来挑战以及突出研究领域的趋势，我们确定了未来研究的有希望的方向。

    Aug, 2023

  • 自动驾驶城市车辆运动规划与控制技术综述

    本文调查了现有的规划和控制算法，特别关注城市环境，旨在帮助系统设计，实现自动驾驶汽车的安全，高效，方便的运输。

    Apr, 2016

  • 基于搜索算法的自动驾驶优化运动规划

    本文提出了一种快速、稳健的运动规划框架，通过几种特征实现了在城市条件下实现自动驾驶，其中包括了路径规划和基于 A * 算法的最优轨迹计算，并考虑了各种不同的约束条件和时间跨度进行了验证。

    Mar, 2018

  • 统一端到端 V2X 协作自动驾驶

    V2X 合作是促进自动驾驶技术发展的关键方法之一，本文引入了 UniE2EV2X 框架，它通过融合车辆和基础设施的传感器数据，集成关键的驾驶模块，采用可变形的注意力数据融合策略，显著提升事故预测的准确性和端到端感知能力，解决了现有研究主要集中在感知准确性上而忽视系统化提升事故预测准确性和安全性的问题。

    May, 2024