CVPR 2023 正式公布最佳論文等重磅獎(jiǎng)項(xiàng)。來自上海人工智能實(shí)驗(yàn)室、武漢大學(xué)、商湯科技團(tuán)隊(duì)聯(lián)合發(fā)表論文 Planning-oriented Autonomous Driving（以路徑規(guī)劃為導(dǎo)向的自動(dòng)駕駛）實(shí)現(xiàn)自動(dòng)駕駛技術(shù)的重要突破，獲 CVPR 最佳論文。

(資料圖片)

國內(nèi)自動(dòng)駕駛，真的出息了！

一覺醒來，還沒來得及吃口熱乎粽子，就看見一條堪稱爽文的熱乎新聞：

在 2023 年，CVPR 大會(huì)的論文投稿總量達(dá) 9155 篇。其中，商湯科技及聯(lián)合實(shí)驗(yàn)室共有 54 篇論文被 CVPR 2023 接收，包含一篇最佳論文、一篇最佳論文候選，以及七篇 Highlight 論文。

論文題目：Planning-oriented Autonomous Driving

論文地址：https://arxiv.org/abs/2212.10156

在近萬篇論文中，上海人工智能實(shí)驗(yàn)室、武漢大學(xué)、商湯科技聯(lián)合團(tuán)隊(duì)研究成果Planning-oriented Autonomous Driving（以路徑規(guī)劃為導(dǎo)向的自動(dòng)駕駛）最終脫穎而出，獲 CVPR 2023 最佳論文獎(jiǎng)（Best Paper Award）。

（劃重點(diǎn)）要知道這個(gè)國際獎(jiǎng)項(xiàng)已經(jīng)頒了 40 年，但以自動(dòng)駕駛為主題的論文獲獎(jiǎng)可是第一次！

另外參與 CVPR 評(píng)選需要和全球各地的頂尖學(xué)者來一套 " 過五關(guān)斬六將 "，拿了這個(gè)獎(jiǎng)堪稱為國爭光（進(jìn)度條：已擊敗全球 99.99% 學(xué)者 / 學(xué)術(shù)機(jī)構(gòu)）！

平復(fù)激動(dòng)的心情，接下來咱們就聊聊這個(gè)獲獎(jiǎng)的事兒。

首先這個(gè)頒獎(jiǎng)機(jī)構(gòu)用一個(gè)詞來形容，就是頂級(jí)（到能讓一個(gè)研究生原地畢業(yè)）。

CVPR 一年舉辦一次，是計(jì)算機(jī)視覺領(lǐng)域的全球級(jí)會(huì)議。要想知道一個(gè)會(huì)議有多少含金量，看業(yè)內(nèi)人的關(guān)注度就懂了，CVPR 的隆重程度：從 1983 年開始，每年吸引著全球各地的學(xué)術(shù)大牛們來參與，近幾年投稿量都近萬篇，即使這些天之驕子總是第一輪就會(huì)被刷掉 3/4。

當(dāng)然這可不是什么鍍金的手段，這個(gè)會(huì)議憑借著高質(zhì)量和低成本，它為眾多研學(xué)者提供著教科書般的行業(yè)價(jià)值。目前在中國計(jì)算機(jī)學(xué)會(huì)推薦國際學(xué)術(shù)會(huì)議的排名里，CVPR 為人工智能領(lǐng)域的 A 級(jí)會(huì)議。

除了水平認(rèn)證，CVPR 回報(bào)給這些學(xué)者們最重要的是尊重和公平。在初次篩選中，評(píng)審們給出的選擇不是通不通過，而是細(xì)致到 " 非常接受 "、" 接受 "、" 差不多 "、" 拒絕 "、" 非常拒絕 "。

同時(shí)評(píng)審們不屬于 CVPR 機(jī)構(gòu)組織，對手里的稿件都是盲審。最關(guān)鍵的是，稿件不允許出現(xiàn)任何能顯示作者信息身份的元素（懷疑定這個(gè)規(guī)矩的人參加過我們語文高考）！所以評(píng)審們和作者都不知道彼此是誰！因此，最后脫穎而出的作品都是用實(shí)力經(jīng)過細(xì)審，沒什么運(yùn)氣的成分。

話說咱們國內(nèi)智能車現(xiàn)在發(fā)展的如火如荼，也不知道當(dāng)時(shí)有沒有評(píng)審猜中過這篇論文的歸屬地。話不多說，接下來咱們就來看看這篇論文是靠什么獲得國際認(rèn)證的。

我們?nèi)祟愰_車時(shí)的思路通常是 " 堵車了，我得剎停 "，而自動(dòng)駕駛車的思路則是 " 感知前方障礙物的時(shí)速和距離、系統(tǒng)算法判斷場景需求決定剎車、牽動(dòng)制動(dòng)系統(tǒng) "。顯然，如果自動(dòng)駕駛系統(tǒng)將流程整合起來會(huì)帶來更絲滑、BUG 更少的體驗(yàn)。

這篇以自動(dòng)駕駛為主題的論文就是從此角度切入問題，核心在于首次提出感知決策一體化的自動(dòng)駕駛通用大模型 UniAD。UniAD 將檢測、跟蹤、建圖、軌跡預(yù)測，占據(jù)柵格預(yù)測以及規(guī)劃，整合到一個(gè)基于 Transformer 的端到端網(wǎng)絡(luò)框架下。

不用覺得復(fù)雜，我們挑取 2 個(gè)重點(diǎn)詞 " 檢測 "、" 規(guī)劃 "，也就是說這個(gè)框架在環(huán)境中可以直接給出相應(yīng)的指令。

UniAD 將各任務(wù)通過 token（最小單位）的形式在特征層面，按照感知 - 預(yù)測 - 決策的流程進(jìn)行深度融合，使得各項(xiàng)任務(wù)彼此支持，實(shí)現(xiàn)性能提升。在 nuScenes 數(shù)據(jù)集的所有任務(wù)上，UniAD 都達(dá)到 SOTA 性能。

融合五大核心模塊，解決自動(dòng)駕駛 " 規(guī)劃 " 難題

為什么之前的自動(dòng)駕駛系統(tǒng)做不到呢？

現(xiàn)有的自動(dòng)駕駛系統(tǒng)可大致歸為三類：

（a）模塊化組成的系統(tǒng)；

（b）多任務(wù)模塊架構(gòu)的系統(tǒng)；

（c）端到端自動(dòng)駕駛系統(tǒng)。

其中傳統(tǒng)的端到端算法可分為：

（c.1）基礎(chǔ)的端到端算法，直接從傳感器輸入預(yù)測控制輸出，但是優(yōu)化困難，在充滿復(fù)雜視覺信息的真實(shí)場景中應(yīng)用面臨較大挑戰(zhàn)；

（c.2）按照任務(wù)劃分網(wǎng)絡(luò)的顯式設(shè)計(jì)，但是網(wǎng)絡(luò)模塊之間缺乏有效的特征溝通，需要分階段的輸出結(jié)果，任務(wù)間缺乏有效交互。

（c.3）這篇論文里提出的決策導(dǎo)向的感知決策一體設(shè)計(jì)方法，用 token 特征按照感知 - 預(yù)測 - 決策的流程進(jìn)行深度融合，使得以決策為目標(biāo)的各項(xiàng)任務(wù)指標(biāo)一致提升。

最為常見的是模塊化組成的系統(tǒng)架構(gòu)，或者部分模塊組成多任務(wù)架構(gòu)，他們都以優(yōu)化部分性能為核心，比如檢測性能（檢測準(zhǔn)確度）、預(yù)測性能（預(yù)測準(zhǔn)確度）。

以上一些算法的 BUG 總結(jié)起來其實(shí)就是流程瑣碎，一損俱損。這和當(dāng)下智駕方案都急著擺脫高精地圖的原因有點(diǎn)類似。畢竟依賴高精地圖的話，哪怕硬件、算法再好，只要地圖有偏差，整套方案直接崩盤。所以大家都在做 " 簡化和收納 "。

而端到端自動(dòng)駕駛系統(tǒng)，以 UniAD 自動(dòng)駕駛通用大模型為代表，將檢測、跟蹤、建圖、軌跡預(yù)測、占據(jù)柵格預(yù)測以及規(guī)劃五大模塊融合，以最終的駕駛性能為目標(biāo)，從解決實(shí)際問題出發(fā)，例如提升規(guī)劃出來的車輛行駛軌跡的安全性。

現(xiàn)在行業(yè)中大多數(shù)端到端（End-to-end，E2E）的自動(dòng)駕駛系統(tǒng)，由于沒有很好的網(wǎng)絡(luò)框架來融合全部五大模塊，都只能融合部分模塊。

UniAD 通過將環(huán)視的圖片以 Transformer 映射得到 BEV 的特征，同時(shí)進(jìn)行目標(biāo)的跟蹤，在線的建圖，包括目標(biāo)軌跡的預(yù)測，還有障礙物的預(yù)測，最終實(shí)現(xiàn)駕駛行為。環(huán)視一圈，現(xiàn)觀察現(xiàn)預(yù)測，然后決定怎么行動(dòng)，聽起來是不是有人類開車的味兒了？

據(jù)商湯科技聯(lián)合創(chuàng)始人、首席科學(xué)家王曉剛表示，UniAD 可以做到 " 多目標(biāo)跟蹤準(zhǔn)確率超越 SOTA 20%，車道線預(yù)測準(zhǔn)確率提升 30%，預(yù)測運(yùn)動(dòng)位移誤差降低 38%，規(guī)劃誤差降低 28%。"

下面展示了 UniAD 在數(shù)據(jù)集 nuScenes 上多個(gè)復(fù)雜場景下的優(yōu)勢。

UniAD 感知到左前方等待的黑色車輛，預(yù)測其未來軌跡（即將左轉(zhuǎn)駛?cè)胱攒嚨能嚨溃┖臀磥淼?occupancy，推算繼續(xù)前行有碰撞風(fēng)險(xiǎn)，并立即減速以進(jìn)行避讓，待黑車駛離后再恢復(fù)正常速度直行。得益于 UniAD 的地圖分割模塊與規(guī)劃模塊的深度交互，規(guī)劃模塊基于道路信息作出判斷，向前行駛時(shí)依據(jù)道路結(jié)構(gòu)適時(shí)地轉(zhuǎn)彎。在視野干擾較大且場景復(fù)雜的十字路口，UniAD 能通過分割模塊生成十字路口的整體道路結(jié)構(gòu)（如右側(cè) BEV 圖中的綠色分割結(jié)果所示）和周圍車輛的軌跡，由基于注意力機(jī)制的 planner 完成大幅度的左轉(zhuǎn)。

在夜晚視野變暗的情況下，由于需要繼續(xù)直行至下個(gè)路口左轉(zhuǎn)，UniAD 能感知到前車停止且左右均有障礙物，所以先靜止，待前車行駛并再前行并左轉(zhuǎn)。

雖然現(xiàn)在自動(dòng)駕駛的目標(biāo)還是趕緊追上人類，但是不得不說有些場景中大模型觀察環(huán)境比我們都更加全面細(xì)致，以下案例，展示了 UniAD 在國內(nèi)真實(shí)場景的實(shí)際演示效果。

在擁堵路段上，UniAD 能感知到前方大車的停車和啟動(dòng)狀態(tài)，做出相應(yīng)的減速和加速?zèng)Q策，保持足夠的安全距離。

得益于地圖重建任務(wù)，UniAD 在路口和曲折道路上，也可以做出符合道路曲率的路徑規(guī)劃。

自動(dòng)駕駛多模態(tài)大模型發(fā)展和落地

在學(xué)術(shù)圈大家都認(rèn)這么一個(gè)理兒：不能落地的論文得再好的獎(jiǎng)也沒有價(jià)值。這篇《以路徑規(guī)劃為導(dǎo)向的自動(dòng)駕駛》用幾千字提出了 UniAD 這項(xiàng)自動(dòng)駕駛技術(shù)，為產(chǎn)業(yè)發(fā)展拓展了一個(gè)新的方向。實(shí)際上，它的創(chuàng)造者已經(jīng)在努力將這些價(jià)值落地了。

作為創(chuàng)作者之一的商湯科技，一直致力于自動(dòng)駕駛技術(shù)領(lǐng)域的研究和發(fā)展布局。例如在今年上海車展上，商湯展示了廣汽埃安 AION LX Plus、哪吒 S 等車型搭載商湯絕影智能駕駛方案的落地成果。

王曉剛將這些成果歸功于商湯持續(xù)建設(shè)打造 " 大模型 + 大裝置 " 技術(shù)路徑，以及在自動(dòng)駕駛行業(yè)長期深耕的積累與實(shí)踐，并表示未來將沿著多模態(tài)大模型的道路，去進(jìn)一步推動(dòng)自動(dòng)駕駛的進(jìn)步。

所以這篇論文不只是學(xué)術(shù)上一次舌戰(zhàn)群儒的勝利，更關(guān)鍵的是它將成為自動(dòng)駕駛大漠臺(tái)多模型落地的標(biāo)志，繼續(xù)發(fā)揮它的應(yīng)用價(jià)值，去推動(dòng)實(shí)現(xiàn)更高階的自動(dòng)駕駛?cè)斯ぶ悄堋Ｆ诖龂鴥?nèi)自動(dòng)駕駛行業(yè)再次實(shí)現(xiàn)擊敗全球 99.99% 對手的進(jìn)度條！

END

關(guān)鍵詞：

責(zé)任編輯：