swc-17/SparseDrive

解決する課題

SparseDriveは、エンドツーエンドの自動運転システムにおける複雑さと非効率性に対処します。従来の密なシーン表現に伴う高い学習コストと推論コストを削減しつつ、安全性の重要な指標、特にモーションプランニング中の衝突率を改善することを目的としています。

仕組み

SparseDriveは、検出、追跡、オンラインマッピングを単一の対称的な疎な知覚構造に統合する「Sparse-Centric」パラダイムを利用しています。プロセスは以下のステップに従います：

1. 特徴エンコーディング: マルチビュー画像を特徴マップにエンコードします。
2. 疎な知覚: システムは環境の疎なシーン表現を学習します。
3. 並列モーションプランニング: シーケンシャルなパイプラインではなく、モーション予測と計画を同時に実行します。これは、階層的な計画選択戦略と、安全な軌道を確保するための衝突認識リスコアモジュールによってサポートされています。
4. 時系列モデリング: インスタンスメモリキューを使用して時系列データを処理します。

対象読者

このプロジェクトは、自動運転に取り組む研究者やエンジニア、特にエンドツーエンドの知覚から計画までのパイプラインや効率的なシーン表現に焦点を当てている方向けに設計されています。

ハイライト

• 高効率: 学習時間を大幅に短縮（例：144時間から20〜30時間へ）し、UniADのような従来のSOTA手法と比較してFPSを向上させます。
• 優れた安全性: nuScenesベンチマークにおいて、より低い衝突率を達成しています。
• 統合アーキテクチャ: 複数の運転タスクを単一の疎なインスタンス表現に統合します。
• 並列設計: モーションプランニングをモーション予測と並列のプロセスとして扱うことで最適化します。