Nuscenes
PulseAugur coverage of Nuscenes — every cluster mentioning Nuscenes across labs, papers, and developer communities, ranked by signal.
8 天有情绪数据
-
新的高斯混合模型增强了车辆轨迹预测能力
研究人员开发了一种新的上下文感知注意力机制高斯混合模型（CAA-GMM），用于在复杂驾驶场景中预测车辆轨迹。该模型采用概率混合方法，以场景上下文和代理动态为条件，以捕捉多样的行为模式。注意力机制能够有效地整合环境线索和运动历史，在nuScenes和Argoverse 2等数据集上实现了具有竞争力的准确性，同时保持了较低的计算成本。CAA-GMM在不完美的通信和感知条件下也表现出韧性，使其成为智能交通系统的可扩展解决方案。
-
基础模型增强稀疏扫描的激光雷达分辨率
研究人员开发了一种利用基础模型（特别是Stable Diffusion）增强激光雷达分辨率的方法，通过从稀疏输入生成更密集的点云。通过使用来自Stable Diffusion的伪深度目标对激光雷达条件深度模型进行微调，该系统即使在严重缩减的激光雷达扫描中也能恢复显著的细节。这种方法在稀疏区域显示出特别的潜力，其性能优于传统的插值方法，并提供了关于哪些表面恢复效果最好的见解。
-
新型对抗性攻击针对自动驾驶领域的视觉语言模型
研究人员开发了一种名为时空连贯性对抗性攻击（STCA）的新型对抗性攻击方法，该方法专门针对自动驾驶系统使用的黑盒视觉语言模型（VLMs）。该攻击分为三个阶段：用于语义帧选择的模态扩展，用于在保持相似性的同时创建扰动的空间攻击，以及使用运动引导掩码来破坏时间连贯性的STCA阶段。在BDD100K和nuScenes数据集上使用Video LLaVA-7B、Qwen2.5-VL-7B和Dolphin等模型进行的实验表明，当前的VLMs极易受…
-
AI驾驶系统通过对可达路径评分来减少碰撞 · arXiv预印本
一篇新的arXiv预印本介绍了一种用于端到端驾驶系统的基于查询的成本学习框架。该方法旨在通过估计动态可达的自我轨迹的成本来提高安全性，而不是仅仅依赖于模仿专家几何。与现有的Spars和Alpamayo等规划器相比，该方法在真实驾驶日志上显示出碰撞率的降低，同时在轨迹精度方面保持了竞争力。
-
新的流匹配技术增强了跨多种应用的生成模型 · 跟踪8个来源
研究人员正在推进用于生成模型的流匹配技术，重点是提高效率和在各种领域的适用性。条件流匹配（Conditional Flow Matching）和协同演化路径（Co-Evolving Paths）等新方法旨在增强马尔可夫过程之间的传输并简化训练目标。其他进展包括 MEND，一种用于流模型的强化学习方法，在基于奖励的训练中优于现有方法；以及 AREX，一种无需训练的采样器，可提高少步生成中的样本保真度。此外，MintFlow 提供了一个框…
-
LLM框架MapMergeLLM为自动驾驶聚合矢量地图碎片
研究人员开发了MapMergeLLM，一个利用大语言模型将矢量地图碎片聚合为自动驾驶连贯全局地图的新框架。这种数据驱动的方法将地图聚合构建为条件序列生成任务，直接从序列化的本地地图数据预测全局地图折线。该模型在模拟预测误差的合成数据上进行训练，并利用了注重几何的坐标分词器和线级关联损失来提高准确性并减少对特定上游检测器的依赖。在Argoverse2和nuScenes数据集上的实验表明，MapMergeLLM的性能显著优于现有的启发式和…
-
MapLightning 系统使用一维标记进行高效的自动驾驶地图构建
研究人员开发了 MapLightning，一种用于构建自动驾驶矢量化高清地图的新型系统。该方法用更高效的一维地图标记集取代了密集的鸟瞰图网格。MapLightning 利用自注意力机制整合图像和地图标记，从而在 nuScenes 和 Argoverse~2 等基准数据集上实现了更快的推理速度、更低的内存消耗和更高的准确性。该系统还展示了对相机外参的鲁棒性以及进行不确定性感知地图构建的潜力。
-
FedCKA 增强了自动驾驶汽车的联邦3D感知能力
研究人员开发了 FedCKA，这是一种新颖的联邦学习策略，旨在提高自动驾驶汽车在不同驾驶条件下的3D感知能力。该方法通过分析层级特征相似性，动态调整全局模型共识与客户端特定适应性之间的平衡。FedCKA 选择性地共享表示一致的层，在 nuScenes 基准测试中，其性能显著优于 FedBN、FedRep 和 FedSelect 等现有的联邦学习基线。
-
Lang3DSeg 实现免标注的 3D LiDAR 分割
研究人员开发了 Lang3DSeg，一种用于开放词汇 3D LiDAR 分割的新型点 Transformer 模型。该方法通过将 2D 视觉-语言模型投影到 3D 数据上来绕过手动标注的需求，并通过类别优先级规则和深度分布截断来解决深度模糊等挑战。Lang3DSeg 在 nuScenes 和 SemanticKITTI 基准测试中，在免标注方法方面取得了最先进的成果，并且无需同时进行视觉-语言模型推理即可在单次 LiDAR 扫描中实现实时运行。
-
GroundingPI模型利用视觉原语推进物理智能
研究人员推出GroundingPI，一个拥有40亿参数、专为物理智能任务设计的基础模型。该模型在精确物体定位方面表现出色，能够生成量化坐标点和边界框，这对于实时控制至关重要。GroundingPI在众多物体定位基准测试中取得了最先进的性能，超越了GPT-6 Astra等更大的模型。其有效性在机器人操作和自动驾驶等下游应用中得到了进一步证明，显著提高了性能，尤其是在分布外场景下。
-
AI框架'RiskWorld'提升自动驾驶安全性
研究人员开发了RiskWorld，一个新颖的自动驾驶框架，通过预测和减轻交通风险来增强安全性。该系统融合了视觉数据、空间风险场和时间参与者上下文，以预测不断变化的交通场景。RiskWorld旨在通过仅在预测风险超过特定阈值且替代路径满足安全约束时选择性地替换规划的轨迹来减少碰撞。在nuScenes数据集上的评估证明了RiskWorld的有效性，在实际推理速度下实现了低碰撞率和具有竞争力的轨迹准确性。
-
SAVTrack 通过选择性投票聚合改进 3D LiDAR 跟踪 · 跟踪了 2 个来源
研究人员开发了 SAVTrack，一种用于 LiDAR 点云中 3D 单目标跟踪的新框架，该框架解决了稀疏和不完整数据带来的挑战。该系统采用选择性投票聚合 (SAV) 来估计候选投票的可靠性，在提议聚类之前移除低置信度的假设。这种方法通过防止不可靠数据污染过程来提高定位精度。SAVTrack 在 KITTI 和 nuScenes 数据集上展示了具有竞争力的性能，运行速度为 82 FPS，并且比现有方法保留的候选投票数明显更少，因此在稀…
-
新的CAESAR框架改进了无监督点云配准
研究人员开发了CAESAR，一种利用训练时语义引导的无监督点云配准新框架。该方法解决了户外场景中几何模糊性的挑战，这种模糊性常常会降低伪标签质量并阻碍收敛，特别是对于nuScenes等稀疏LiDAR扫描。CAESAR在训练期间采用教师-学生方法，使用现成的3D分割模型，并结合了双线索引导再匹配和语义预测蒸馏等技术，以提高配准精度，而不会增加推理开销或需要对配准数据进行语义标注。在KITTI和nuScenes数据集上的实验显示了最先进的…
-
新AI模型仅使用车辆状态数据预测驾驶员意图
研究人员开发了BLInD（Blind Learned Intent Distribution），一种新颖的神经网络，仅使用历史车辆状态数据即可预测未来的车辆轨迹，无需依赖视觉或传感器输入。该紧凑模型可以输出潜在未来路径的多模态分布，在减少紧急制动系统的误报方面表现有效。BLInD模型运行高效，适合在NVIDIA DRIVE Orin ECU等汽车硬件上进行实时部署。
-
新型稀疏BEVNet算法提升自动驾驶3D目标检测性能
研究人员开发了Sparse-BEVNet，一种用于自动驾驶中基于鸟瞰图（BEV）的多视角3D目标检测的新型算法。该方法采用双层路由注意力（BRA）机制，以降低图像特征提取网络中的计算负载。此外，它利用级联组注意力（CGA）增强特征交互，并采用稀疏空间交叉注意力机制取代传统的密集视图投影。在nuScenes数据集上的实验表明，与基线模型相比，平均精度均值（mAP）和nuScenes检测得分（NDS）有所提高。
-
新的ROVR数据集旨在推进自动驾驶深度估计
研究人员推出ROVR，一个用于自动驾驶的新大规模深度数据集，旨在克服现有数据集（如KITTI和nuScenes）的局限性。ROVR包含200,000张高分辨率帧，涵盖北美、欧洲和亚洲的各种驾驶场景、天气条件和地理位置。该数据集的成本效益高的采集流程和公开支持工具旨在实现可扩展性和可重复性，从而能够对深度估计架构中的常见故障模式进行更稳健的模型训练和分析。
-
DAGLFNet 通过新颖的融合技术改进伪图像点云分割
研究人员开发了 DAGLFNet，一个用于伪图像点云语义分割的新框架。该方法通过引入全局-局部特征融合编码模块、多分支特征提取网络以及深度特征引导的注意力机制实现特征融合，解决了 2D 和 3D 数据融合的挑战。DAGLFNet 旨在提高特征辨别力，并在自动导航等应用的环保感知系统中实现准确性和效率之间的平衡。
-
TFTrack框架提供高效无模板3D点云跟踪
研究人员推出TFTrack，一个专为使用LiDAR数据进行高效3D点云跟踪而设计的新型框架。这种无模板方法通过消除模板-搜索配对和复杂运动建模的需求，简化了现有的Siamese跟踪方法。TFTrack利用先验边界框中心和大小直接处理当前帧，并提供三种变体以适应不同的3D表示。在KITTI和nuScenes基准上的实验表明，TFTrack在实现具有竞争力的性能的同时，显著降低了计算负载并提高了速度，使其适合在机器人系统中进行实时部署。
-
联网车辆利用AI进行态势感知以优化数据分发
研究人员通过增强态势感知，开发了一种用于联网车辆智能数据分发的新颖方法。该方法利用鸟瞰图图像、物体检测和语义分割来理解交通环境。该系统在CARLA模拟器上进行了评估，并在Cityscapes和nuScenes数据集上进行了验证，它根据当前的道路状况对相关传感器数据进行优先级排序，从而提高了数据管理效率。
-
CrossDepth方法提升了自动驾驶的多视角深度估计能力
研究人员开发了CrossDepth，一种用于从多视角环绕摄像头系统估计深度的新方法，特别适用于自动驾驶应用。该方法通过引入摄像头感知射线嵌入和跨图像注意力机制，解决了因相机内参变化和感受野有限而产生的 But inconsistencies。CrossDepth采用光度一致性进行自监督训练，在nuScenes数据集上展示了比现有自监督方法更高的深度准确性和一致性。