*论文下载地址(可选):[[Planning-Oriented Autonomous Driving (thecvf.com)](https://openaccess.thecvf.com/content/CVPR2023/papers/Hu_Planning-Oriented_Autonomous_Driving_CVPR_2023_paper.pdf)]*
*代码是否开源:是*
## 一句话总结内容
> UniAD 首次将感知、预测、规划等三大类主任务、六小类子任务(目标检测、目标跟踪、场景建图、轨迹预测、栅格预测和路径规划)整合到统一的端到端网络框架下,实现了**全栈**关键任务驾驶通用模型。该框架经过精心设计以充分利用每个模块的优势,并从全局角度为代理交互提供了互补的特征抽象。任务通过统一的查询接口进行沟通,方便彼此进行规划。在 nuScenes **真实场景**数据集下,所有任务均达到领域**SOTA**,尤其是预测和规划效果远超之前最好方案。
## 一句话总结贡献
> 1. 遵循以规划为导向的理念,证明了高效任务协调的必要性,而不是独立设计或简单的多任务学习;
> 2. 提出 UniAD,一个利用多种任务的综合性端到端系统。关键组件是将query设计为连接所有节点的接口。因此,UniAD 有灵活的中间表示和交换多任务知识以进行规划;
> 3. 在现实场景的挑战性bmk上,UniAD通过消融实验,验证了UniAD在各个方面都优于以前SOTA的方法。
## 印象最深刻的点
> 第一篇全栈端到端的自动驾驶解决方案,基本上涵盖了自动驾驶的各个任务,从感知到预测到规划。第一个证明了感知和预测对于最终的规划可以进行端到端训练,且是前面的task对后面的规划有用。
## 对我们的启发
> 原来的独立模型和多任务学习方案,存在信息丢失、误差累积和负迁移的问题。本文认为应该设计和优化一种有利最终目标(路径规划)的框架。基于此,重新审视感知和预测中的关键部分,确定任务的优先级,以使所有任务都有助于规划。同时这不是简单的多任务的工程堆叠。一个关键的组件是用来连接所有节点的基于查询(query)的设计。
## Idea是否好想
> 好想,每个阶段整合到一起,但是实现起来困难。
## 是否有开创性
> 是,是首个**具备全栈关键任务的端到端自动驾驶模型**,开创了以终极任务为全局优化目标的先例
## 是否属于Vision
> 是
## 是否属于热点
> 是
## 其他需要补充的点(获奖理由)
> **该文章提出一个端到端的感知决策一体框架,融合了多任务联合学习的新范式,使其进行更有效的信息交换,协调感知预测决策,以进一步提升路径规划能力。**
## 与其他论文的关联(可选)
>
如果觉得我的文章对您有用,请随意打赏。你的支持将鼓励我继续创作!