Nuscenes
PulseAugur coverage of Nuscenes — every cluster mentioning Nuscenes across labs, papers, and developer communities, ranked by signal.
15 天有情绪数据
-
新研究利用可解释性和强化学习解决自动驾驶可靠性问题
近期自动驾驶领域的研究正在探索先进技术以提高模型的可靠性和性能。一篇论文介绍了无监督字典学习，用于解释和纠正端到端驾驶模型，增强其决策逻辑。另一篇论文提出了一个使用强化学习和潜在思维蒸馏的框架，为驾驶场景创建高效且准确的视觉-语言模型，解决了幻觉和延迟问题。此外，一项调查回顾了强化学习在自动驾驶运动规划中的应用，强调了经验教训和未来挑战。其他工作则侧重于针对环境幻觉的鲁棒性基准测试、为长尾场景开发基于智能体的模拟，以及一个用于端到端驾…
-
新的CCFM框架通过可控碰撞生成增强自动驾驶汽车安全测试
研究人员开发了一个名为碰撞约束流匹配（CCFM）的新框架，用于为自动驾驶汽车（AV）测试生成可控的安全关键场景。CCFM利用启发式碰撞选择器、针对特定碰撞类型的结构化硬约束以及具有流形投影的流匹配采样器，以确保对碰撞的精确控制。该方法显著提高了模拟中的碰撞率，在nuPlan数据集上达到了83.1%，并为AV安全评估和模拟到现实的碰撞数据生成提供了可靠的基础。
-
CRISP模型通过预测性预训练融合相机-雷达数据用于自动驾驶
研究人员开发了CRISP，一种专为自动驾驶设计的新型时空骨干网络，它融合了相机和雷达数据。与需要特定任务监督的先前模型不同，CRISP采用基于预测的方法进行预训练，从历史传感器输入预测未来的LiDAR点云。这种方法允许模型学习可重用的表示，而在部署时无需LiDAR，仅依赖相机和雷达。在nuScenes数据集上的实验表明，CRISP在提高预测准确性方面非常有效，并且在检测、跟踪和规划等各种下游驾驶任务中具有很强的可迁移性。
-
UNIVERSE模型统一了自动驾驶的视频预测和轨迹生成
研究人员推出 UNIVERSE，这是一种用于自动驾驶的新型统一模型，集成了未来视频预测和轨迹生成。与之前使用独立架构的方法不同，UNIVERSE 采用单一的掩码调制 Diffusion Transformer 来共同训练视频潜在表示和轨迹 token，从而允许通过视频学习的动力学直接监督轨迹去噪。这种统一的方法增强了跨域动作泛化能力，并实现了 4.3 倍加速的仅轨迹推理，同时保持了规划精度。
-
TGRIP框架使用文本引导语义进行自动驾驶预测 · 已追踪3个来源
研究人员推出了一种用于自动驾驶的新型框架TGRIP，通过整合语义信息来增强车辆实例预测。与以往仅依赖几何监督的方法不同，TGRIP利用视觉-语言基础模型生成语义丰富的鸟瞰图。该方法旨在通过提供明确的语义感知来提高模型处理复杂场景的能力，从而更准确地预测代理行为。在nuScenes数据集上的实验表明，TGRIP的表现优于现有的最先进模型。
-
SparseOcc++ 推进自动驾驶语义占用预测 · 追踪 2 个来源
研究人员推出 SparseOcc++，这是一个用于基于视觉的 3D 语义占用预测的先进框架，这对于自动驾驶至关重要。该新方法通过将场景补全与语义分割解耦，解决了计算效率低下和几何歧义问题，从而改进了现有的稀疏表示。SparseOcc++ 将补全重新表述为符号距离回归，并使用几何引导传播模块来确保语义分割仅限于经过几何验证的区域。实验表明，SparseOcc++ 通过提高 IoU 和大幅缩短处理时间（与 SparseOcc 和 OccF…
-
LLM驱动的框架提升自动驾驶感知能力
研究人员开发了一个名为LM-SCIP的新框架，该框架利用大型语言模型（LLMs）来增强自动驾驶系统的多模态融合。该框架通过动态适应不同的输入质量来应对融合视觉和雷达数据时面临的挑战。LM-SCIP使用LLM作为核心推理引擎，将视觉信息与雷达数据集成，尤其是在视觉输入受损的情况下。在nuScenes和VIRAT数据集上的实验表明，在不同信噪比下，该系统的定位和轨迹预测能力得到了显著提升，证明了其鲁棒性。
-
新的FlexDepth模型提供鲁棒、实时的驾驶深度估计 · 追踪4个来源
研究人员开发了FlexDepth，这是一系列新颖的自监督单目深度估计模型，专为复杂的驾驶环境设计。该方法解决了现有模型在单尺度输出和在挑战性条件下性能下降方面的局限性，同时又过于复杂而无法用于汽车边缘设备。FlexDepth采用两阶段训练策略来解耦静态和动态元素，并使用尺度驱动解码器根据尺度大小有效地融合特征，以最小的计算开销实现了最先进的结果。其最小的变体Flex-Nano在移动平台上运行速度为37.6 FPS，提供实时感知和强大的泛化能力。
-
新的攻击方法揭示了LiDAR 3D目标检测器的结构性漏洞
研究人员开发了一种名为面向可解释性的视锥攻击（EFA）的新方法，以揭示基于LiDAR的3D目标检测器的漏洞。通过分析这些检测器如何利用空间证据，显著性LiDAR（SALL）方法创建了突出影响区域的显著图。EFA然后针对这些特定区域，与现有方法相比，用更少的扰动显著降低了检测召回率。这项研究表明，当前的3D检测器严重依赖于有限的空间区域，揭示了LiDAR感知系统的结构性弱点。
-
新的自动驾驶模型使用世界模型进行更安全、更鲁棒的规划 · 跟踪 2 个来源
两篇新的研究论文介绍了用于端到端自动驾驶的先进世界建模技术。OWMDrive 专注于 4D 占用世界模型，用于多步 3D 占用预测，以指导基于扩散的规划，旨在实现更具前瞻性和鲁棒性的轨迹生成，尤其是在挑战性场景中。ExploreVLA 将世界建模与强化学习相结合，以实现超越专家演示的策略探索，使用未来图像生成作为密集世界建模目标和新颖性检测的内在奖励信号。
-
DIVER框架使用强化扩散模型实现多样化的自动驾驶轨迹
研究人员开发了DIVER，一个结合了强化学习和扩散模型的新型端到端自动驾驶框架。该方法旨在克服传统模仿学习的局限性，后者通常会导致保守的驾驶行为。DIVER通过条件化地图元素和周围的代理来生成多样化且可行的轨迹，并使用强化学习来强制执行安全性和多样性约束。
-
新的BLNet架构增强自动驾驶轨迹预测
研究人员开发了BLNet，一种新颖的双流架构，旨在改进自动驾驶系统的轨迹预测。该方法通过提供对未来行为和车道约束更细粒度和更连续的描述，解决了现有算法的局限性。BLNet使用并行注意力机制整合行为意图识别和车道约束建模，为行为状态和车道拓扑生成特定查询。在nuScenes和Argoverse数据集上的实验表明，与当前的回归和基于目标的方法相比，性能有了显著提高。
-
新型自动驾驶模型CogAD模仿人类认知
研究人员推出CogAD，这是一种新颖的端到端自动驾驶模型，旨在模仿人类在感知和规划中的认知过程。该模型采用双重分层机制进行上下文处理和意图条件轨迹生成。CogAD在复杂驾驶场景和泛化能力方面表现出色，在nuScenes和Bench2Drive等基准测试中优于现有方法。
-
UniFlow模型推进了自动驾驶汽车的激光雷达场景流技术
研究人员开发了UniFlow，这是一种新颖的前馈模型，旨在改进自动驾驶汽车的激光雷达场景流估计。与之前在单个数据集上训练时表现最佳的方法不同，UniFlow通过跨数据集训练显示出显著优势，在Waymo和nuScenes上取得了最先进的成果。该模型在TruckScenes和AEVAScenes等未见过的数据集上也表现强劲，优于特定数据集的模型。
-
新研究推进自动驾驶和机器人领域的世界行动模型
两篇新研究论文介绍了世界行动模型（WAMs）的先进方法，这对于模拟未来环境变化和规划行动至关重要，尤其是在自动驾驶和机器人领域。第一篇论文 ReWorld 专注于通过直接优化中间表示来改进 WAMs 中的表示学习，以实现更好的视频生成和规划。第二篇论文 DIM-WAM 通过整合多样化的历史事件记忆来增强 WAMs，以处理长时任务，显著提高了机器人操作场景下的性能。
-
新基准改进了自行车骑行者三维目标检测的自动标注
研究人员开发了一种新方法，用于改进自动驾驶系统中的三维目标检测，特别关注从自行车骑行者角度来看的弱势道路使用者（VRUs）。该研究介绍了来自慕尼黑FUSE-Bike平台的一个基准数据集，其中包含超过1000个标注的激光雷达关键帧。他们发现，在车辆数据上训练的检测器在转移到自行车骑行者视角时，在VRU类别上的表现不佳，但使用自动生成的标签进行微调可以显著恢复性能，甚至超过了自动标签本身的质量。
-
新的跨视图监督方法增强了从摄像头数据构建高清地图的能力
研究人员开发了一种名为跨视图监督（CVS）的新范例，用于使用来自多摄像头输入的鸟瞰图（BEV）表示来改进高精度（HD）地图的构建。该方法将几何和拓扑知识从视角特权的顶视图转移到基于摄像头的BEV编码器中。CVS通过在共享的BEV特征空间中对齐表示来增强结构一致性，将知识从教师模型蒸馏到以自我为中心的骨干网络中，而无需改变推理架构或在测试期间需要顶视图输入。在nuScenes数据集上的实验显示出显著的改进，特别是在长距离精度方面，在扩展…
-
新的EPMF方法通过多传感器融合改进3D语义分割
研究人员开发了EPMF，一种用于3D语义分割的高效多传感器融合方法。该技术通过有效结合来自RGB图像的视觉数据与来自点云的空间深度信息，增强了自动驾驶等应用的场景理解能力。EPMF利用双流网络和新颖的感知感知损失来改进特征提取和融合，在基准数据集上表现优于现有的最先进方法。
-
AerialFusionMapNet 通过空载-车载BEV融合提升高清地图构建能力
研究人员开发了 AerialFusionMapNet，一个通过融合航空影像和车载传感器数据来构建自动驾驶高清地图的新框架。该系统采用结构化的两阶段训练策略，以更好地整合航空特征，从而提高性能。在 nuScenes 数据集上，AerialFusionMapNet 取得了 54.7 mAP 的成绩，显著优于之前的融合方法。
-
UniDrive框架统一视觉-语言和接地技术，用于自动驾驶风险理解 · 跟踪3个来源
研究人员推出UniDrive，一个旨在通过统一视觉-语言和接地能力来增强自动驾驶系统风险理解的新型框架。该方法解决了现有模型在平衡时间推理与空间精度方面常遇到的局限性。UniDrive集成了时间推理分支和高分辨率感知分支，使用门控交叉注意力融合模块将动态上下文与详细空间证据对齐。该框架生成自然语言风险描述和已识别危险的接地边界框，在DRAMA-Reasoning等基准测试中表现优异，并有望提高安全关键型自动驾驶系统的可解释性和可信度。