源码:https://github.com/wzzheng/GenAD 直接从原始传感器生成规划结果一直是自动驾驶长期渴望的解决方案,并且引起了越来越多的关注。大多数现有的端到端自动驾驶方法都将这个问题分解为感知、运动预测和规划。然而,传统的渐进式管道仍然无法全面地模拟整个交通演化过程,例如,自车与其他交通参与者之间的未来交互以及先验...
提出了一种新颖的端到端自动驾驶方法，其核心在于预测自我车辆与周围环境在未来的演变。为此，我们构建了GenAD框架，将自动驾驶问题转化为生成建模问题。我们设计了一个以实例为中心的场景编码器，将周围环境转化为地图感知的实例标签。随后，利用Transformer结构学习潜在空间中的未来轨迹分布，实现轨迹先验建模。此外，我们...
GenAD最终通过在以实例标签为条件的学习潜在空间中采样轨迹分布,并利用学习时间模型生成未来轨迹,实现了同时的运动预测和规划。在nuScenes基准测试上的实验结果表明,GenAD在视觉驱动的端到端自动驾驶方面取得了卓越的性能,并且具有高效性。