swc-17/SparseDrive

解决的问题

SparseDrive 解决了端到端自动驾驶系统的复杂性与低效率问题。它旨在降低传统密集场景表示所带来的高训练与推理成本，同时改善安全关键指标，特别是运动规划过程中的碰撞率。

运作原理

SparseDrive 采用“稀疏中心”范式，将检测、追踪与在线地图构建统一为单一对称的稀疏感知结构。流程如下：

1. 特征编码：将多视角图像编码为特征图。
2. 稀疏感知：系统学习环境的稀疏场景表示。
3. 并行运动规划：取代顺序流水线，同时执行运动预测与规划。这由分层规划选择策略与碰撞感知重评分模块支持，以确保轨迹安全。
4. 时序建模：使用实例记忆队列来处理时序数据。

适用对象

本项目专为从事自动驾驶研究的工程师与研究人员设计，特别是针对端到端感知到规划流水线及高效场景表示感兴趣的开发者。

特点

• 高效率：显著缩短训练时间（例如从 144 小时缩短至 20-30 小时），并较 UniAD 等先前 SOTA 方法提升 FPS。
• 卓越安全性：在 nuScenes 基准测试中实现了更低的碰撞率。
• 统一架构：将多项驾驶任务整合为单一稀疏实例表示。
• 并行设计：将运动规划视为与运动预测并行的过程，从而进行优化。