end-to-end autonomous driving | BriefGPT

关键词end-to-end autonomous driving

搜索结果 - 11

NAVSIM：数据驱动的无反应自主车辆模拟与基准测试
在这篇论文中，我们介绍了一种介于开环评估和闭环评估之间的评估范式，即使用大型数据集与非反应式模拟器相结合，实现大规模真实世界基准测试。我们展示了该方法在衡量终到终自动驾驶时更好地与闭环评估对齐，并在 CVPR 2024 的新竞赛中取得了一些
PDF9 days ago
强化端到端自动驾驶与潜在世界模型
我们提出了一种自我监督的方法，通过潜在世界模型来预测未来的潜在特征，从而提高无需昂贵标签的端到端驾驶性能。
PDF18 days ago
Bench2Drive：闭环端到端自主驾驶的多能力基准测试
自动驾驶技术正逐渐进入一个转折点，在数据驱动的方式下，通过端到端自动驾驶 (E2E-AD) 可扩展性，已经出现了一个具备变革性潜力的时代。然而，现有的 E2E-AD 方法主要是通过开环日志重放方式进行评估，使用 L2 误差和碰撞率作为度量标
PDF24 days ago
M2DA：多模态融合 Transformer 结合驾驶员注意力用于自动驾驶
提出了一种多模态融合变压器，结合驾驶员注意力用于自动驾驶，通过 Lidar-Vision-Attention-based Fusion 模块更好地融合多模态数据，并实现不同模态之间更高的对齐，同时结合驾驶员的注意力，赋予自动驾驶车辆类似于人
PDF3 months ago
自我状态是否足以支持开环端到端自主驾驶？
自动驾驶最新研究中，终端到终端的全栈自动化日益成为一个有应用前景的研究方向。本文通过深入分析与详细阐述，探究了该问题的更多细节。研究表明，nuScenes 数据集在相对简单的驾驶场景中存在感知信息的低利用率，尤其是包括自身状态在内的整车速度
PDF7 months ago
CVPRLeTFuser：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
PDF8 months ago
DriveGPT4: 大型语言模型实现可解释的端到端自动驾驶
DriveGPT4 是一种可解释的端到端自动驾驶系统，利用大型语言模型，能够理解车辆行为、提供相应推理、回答用户的问题以增强交互，同时也能以端到端的方式预测车辆的低层控制信号，并且在多个任务中展现出优越的性能和通用性。
PDF9 months ago
提升自动驾驶仿真学习交通规则遵守的关键因素
提出了一种基于惩罚的模仿学习方法，采用交叉语义生成传感器融合技术来提高端到端自动驾驶的整体性能，并对其在长城 05 城镇基准测试中的性能进行了评估，并显示出相对基准模型的显著增强，同时对抗性攻击也表现出更高的鲁棒性。
PDF10 months ago
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。
PDF10 months ago
ICCVDriveAdapter：突破全自主驾驶中感知和规划之间耦合的界限
直接采用强教师模型进行规划，而让学生模型更专注于感知部分，并通过 DriveAdapter 使用特征对齐目标函数来解决性能问题。
PDFa year ago
具有潜在深度强化学习的可解释端到端城市自主驾驶
该研究提出了一种解决复杂城市场景下的自动驾驶问题的可解释性深度强化学习方法，在学习过程中引入了序贯潜在环境模型，并生成了语义鸟瞰遮罩，以解释学习策略的行为。实验结果显示，该方法在城市场景中的表现优于 DQN、DDPG、TD3 和 SAC 等
PDF4 years ago