Nuscenes
PulseAugur coverage of Nuscenes — every cluster mentioning Nuscenes across labs, papers, and developer communities, ranked by signal.
13 天有情绪数据
-
RISE框架通过自适应想象和新的反事实数据集优化AI规划
研究人员开发了RISE，一个用于世界动作模型（WAMs）的自适应想象框架，通过对是否继续或停止未来世界演化模拟进行顺序决策来优化规划。该系统旨在通过权衡持续想象的预期收益与计算成本来提高规划效率。为了解决现有数据集的局限性，创建了一个名为CounterDrive的新反事实数据集，为训练和监督提供多样化的结果和风险水平，特别适用于安全关键型应用。在NAVSIM和nuScenes上的实验表明，RISE在提高规划性能的同时减少了不必要的模拟…
-
新的CVSD-Reg方法使用视觉模型进行鲁棒的激光雷达配准
研究人员开发了CVSD-Reg，一个用于鲁棒全局激光雷达配准的新框架，该框架利用了来自视觉基础模型的视觉语义先验。该方法将知识从DINOv2教师模型蒸馏到Point Transformer V3学生模型中，增强了其创建视点鲁棒描述符的能力。然后，将蒸馏后的表示形式应用于配准任务，在KITTI和nuScenes等基准测试中取得了很高的成功率。值得注意的是，CVSD-Reg在不同传感器之间表现出强大的泛化能力，并且在推理过程中无需相机输入。
-
新方法通过交通元素感知增强自动驾驶 · 跟踪到2个来源
研究人员开发了一种新颖的可插拔方法，将交通元素感知集成到端到端自动驾驶系统中。该方法系统地研究了交通信号灯和路标的影响，这些元素通常被忽视，而更侧重于动态道路参与者。通过使用结构化的交通元素标注来增强现有数据集，并采用最小集成设计，该方法可以无缝集成到各种驾驶范式中，包括VLA模型和基于扩散的策略。在nuScenes和NAVSIM-v2等多个数据集上的评估表明，驾驶性能得到了一致的提升，在具有挑战性的基准测试中树立了新的最先进水平。
-
MM-BEV系统通过优先计算增强自动驾驶的及时性
研究人员开发了MM-BEV，这是一种新颖的多模态鸟瞰感知系统，旨在增强自动驾驶系统的及时性。该系统优先处理对安全至关重要且处于即时危险中的物体的计算，从而减少对不太紧急元素的处理。MM-BEV集成了多种机制，包括关键性排序的时间感兴趣区域选择器和稀疏的、面向感兴趣区域的特征提取，以在不影响关键召回率的情况下显著降低推理和端到端延迟。
-
新框架统一3D场景理解与生成，助力自动驾驶 · 追踪2个来源
研究人员开发了两个新框架USR-Drive和GaussianDWM++，它们统一了自动驾驶的3D场景理解和生成。USR-Drive使用扩散Transformer联合去噪3D高斯基元和边界框，从而改进了几何重建和物体检测。GaussianDWM++引入了一个语言驱动的3D高斯驾驶世界模型，通过将视觉-语言特征蒸馏到3D高斯基元中，实现了场景理解、编辑和多模态生成。
-
自监督点Transformer实现3D实例分割的涌现
研究人员开发了一种名为TokenGraph3D的新方法，使用自监督点Transformer进行无监督3D实例分割。该方法利用这些Transformer的内部表示，特别是关注注意力查询和键，以分离对象实例，而无需依赖传统的几何先验。该方法发现实例信号集中在特定层，并受到旋转位置编码（RoPE）的显著影响，证明了其在SemanticKITTI、nuScenes和Waymo Perception等数据集上的有效性。
-
InfiniVerse 管道为自动驾驶生成无界城市场景
研究人员推出了 InfiniVerse，这是一个专为自动驾驶应用生成动态和无界城市场景的新型管道。该系统从单个帧重建 3D 占用表示，通过视频扩散模型实现自回归场景扩展和转换为逼真的视频序列。InfiniVerse 还采用分层草图-精炼范式，利用视觉反馈增强 3D 占用表示，在 Waymo Open Dataset 和 nuScenes 上取得了最先进的性能。
-
GhostPoint 框架通过幻觉遮挡的激光雷达数据来增强 3D 对象检测
研究人员开发了 GhostPoint，一个新颖的自监督学习框架，旨在通过解决当前仅关注可见激光雷达数据的现有方法的局限性，来改进自动驾驶中的 3D 对象检测。GhostPoint 通过为被遮挡或未观察到的区域幻觉特征来解决此问题，鼓励学习到的表示来模拟超出直接观察的结构。在 nuScenes 和 Waymo 数据集上的评估表明，GhostPoint 取得了最先进的性能，尤其是在稀疏扫描和标签有限的情况下。
-
MAGneT-3D 推进领域泛化的单目3D目标检测
研究人员推出了一种新方法 MAGneT-3D，用于领域泛化的单目时序3D目标检测。该方法解决了现有基于查询的检测器在泛化到新环境时遇到的局限性。MAGneT-3D 利用领域鲁棒锚点生成器 (DRAG) 在推理过程中自适应地创建3D提议，并采用时序精炼与身份合并 (TRIM) 策略来减少对特定提议的依赖。该方法在新跨数据集基准（包括 nuScenes、Waymo、Lyft 和 ONCE）上进行了评估，在零样本领域迁移下显示出更高的准确性。
-
New GeoUP framework unifies 3D perception for autonomous driving
研究人员推出了一种新颖的统一3D感知框架GeoUP，用于自动驾驶，该框架利用摄像头数据。与以往常将3D几何视为下游任务的方法不同，GeoUP将度量3D结构直接整合到其共享表示中。这是通过跨图像注意力机制和感知标定的raymap编码实现的，使模型能够捕获显式的度量几何和一致的3D场景结构。GeoUP在多个基准数据集的深度估计、3D对象检测和语义占用预测方面均展现了最先进的性能。
-
新框架为高清地图构建生成伪标签
研究人员开发了PseudoMapLabeler，一个新颖的半监督学习框架，旨在克服在线高精地图构建中标记数据稀缺的问题。该方法利用教师-学生模型，通过基于beta分布获得的置信度分数来优化地图预测，从而生成高质量的伪标签。通过选择性地保留可靠的地图元素并丢弃不可靠的元素，该框架显著提高了对未标记数据的预测准确性，从而提升了学生模型的性能。在nuScenes数据集上的实验表明，与传统方法相比，在低标记条件下mAP提高了+6.1。
-
新的3D高斯溅射方法增强驾驶场景重建
两篇新研究论文介绍了使用3D高斯溅射进行单帧环绕视图驾驶重建的新方法。第一篇论文VGGD利用视觉几何基础模型来提高几何稳定性和渲染质量，特别是在相机重叠稀疏的区域。第二篇论文LGS则专注于通过使用干预引导策略来学习如何致密高斯表示并显式聚合跨时间特征，从而增强高斯结构和原始属性。
-
MapTCL通过双向对齐增强高清地图的时间一致性
研究人员推出了一种新颖的辅助训练策略MapTCL，旨在增强在线高清（HD）地图的时间一致性。该方法通过在连续帧之间采用双向对齐来解决动态城市环境中几何噪声和时间抖动的问题。MapTCL包含双向矢量一致性学习（BVCL）以惩罚矢量实例的差异，以及栅格地图一致性学习（RCL）以稳定密集的鸟瞰图（BEV）特征。该策略在标准基准测试中表现出显著的改进，在nuScenes和Argoverse 2上提升了mAP和C-mAP分数，且没有增加推理时间。
-
新研究通过混合人工智能和世界模型解决自动驾驶安全问题 · 跟踪 8 个来源
研究人员正在开发先进的方法来提高自动驾驶系统的安全性和效率。一种方法是将神经符号安全护栏与现有的端到端驾驶代理集成，以强制执行明确的安全规则并防止重大碰撞。另一种策略是将机器学习与基于优化的监督相结合，创建混合规划架构，以解释复杂场景并确保可驾驶性。此外，正在探索新的强化学习框架，通过在潜在世界模型中学习来提高样本效率并减少对昂贵现实世界交互的依赖。工作还集中于创建系统的行为分类法和自适应推理框架，这些框架利用空间物理证据和规划关键因…
-
新的TwinIR攻击方法扰乱自动驾驶高清地图构建
研究人员开发了TwinIR，一种旨在扰乱对自动驾驶系统至关重要的高清地图在线构建的新型攻击方法。该方法通过优化最少攻击点并利用近红外照明降低可见性，解决了先前物理攻击的局限性。实验表明，TwinIR可以显著降低地图精度，导致无法到达的目标增加和不安全的轨迹规划，并在真实的自动驾驶汽车测试平台上成功验证。
-
Fusion-Poly框架通过异步传感器融合增强3D多目标跟踪
研究人员推出Fusion-Poly，一个旨在通过有效整合激光雷达（LiDAR）和摄像头数据来增强3D多目标跟踪的新型框架。该系统通过允许在同步和异步时间戳下进行更新来解决不同传感器采样率的挑战，从而利用更多的观测数据。Fusion-Poly包含一个频率感知匹配模块、一个高频轨迹估计模块和一个全状态观测对齐模块，以提高跟踪的准确性和可靠性。
-
新的NCGR方法改进了基于相机的3D目标检测
研究人员开发了一种名为噪声条件门控校正（NCGR）的新方法，通过解决相机外参不准确的问题来改进相机中的3D目标检测。NCGR预测并应用2D校正偏移来纠正投影误差，而无需估计完整的六自由度外参校正。该方法在具有模拟扰动的nuScenes数据集上进行了评估，与BEVFormer和CAPE等现有方法相比，性能显著提高，同时在干净外参条件下保持了可比的性能。
-
新的UTok3D分词器将CLIP适配于3D理解任务
研究人员开发了UTok3D，一个新颖的参数高效框架，旨在将CLIP（一种视觉-语言模型）适配于3D理解任务。该分词器解决了将CLIP（在2D图像块上训练）应用于不规则和稀疏的3D点云的挑战。UTok3D学习了一个尺度归一化的3D分词器，使冻结的CLIP视觉编码器能够解释3D数据，从而在ShapeNetPart、ScanNetV2、S3DIS、SemanticKITTI和nuScenes等多样化数据集上实现无标注3D分割。
-
新的PRISM方法增强了自动驾驶运动规划
研究人员开发了一种名为PRISM的新方法，用于端到端的自动驾驶运动规划。该方法使用特权概率潜在监督，通过直接使用地面真实数据来规范模型的中间表示。与先前认为视觉-语言模型监督是关键的旧方法不同，PRISM的有效性来自于在驾驶模型和地面真实数据之间建立潜在联系。在nuScenes数据集上的评估表明，PRISM显著提高了规划性能，将L2误差降低了8%，碰撞率降低了3%，而计算开销可忽略不计。
-
CalibBEV方法对齐激光雷达-相机数据以改进标定
研究人员推出CalibBEV，一种通过对齐其鸟瞰图（BEV）表示来标定激光雷达和相机传感器的新方法。该方法将传感器数据统一到共享的3D空间表示中，从而实现更准确的跨模态标定。CalibBEV采用两步法：首先，它从BEV特征回归粗略的标定矩阵，并强制语义一致性与对比损失。其次，它通过显式对齐模态间的特征来精炼此估计。该方法在KITTI和nuScenes基准测试中显著优于先前技术，减少了旋转和平移误差。