# [CVPR23 感推 Planning-oriented Autonomous Driving]
*论文下载地址（可选）：[[Planning-Oriented Autonomous Driving (thecvf.com)](https://openaccess.thecvf.com/content/CVPR2023/p...
#[CVPR23 感推 Planning-oriented Autonomous Driving]
*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）
>
