swc-17/SparseDrive

解決的問題

SparseDrive 解決了端到端自動駕駛系統的複雜性與低效率問題。它旨在降低傳統密集場景表示所帶來的高訓練與推理成本，同時改善安全關鍵指標，特別是運動規劃過程中的碰撞率。

運作原理

SparseDrive 採用「稀疏中心」範式，將檢測、追蹤與線上地圖構建統一為單一對稱的稀疏感知結構。流程如下：

1. 特徵編碼：將多視角影像編碼為特徵圖。
2. 稀疏感知：系統學習環境的稀疏場景表示。
3. 並行運動規劃：取代順序流水線，同時執行運動預測與規劃。這由分層規劃選擇策略與碰撞感知重評分模組支援，以確保軌跡安全。
4. 時序建模：使用實例記憶佇列來處理時序資料。

適用對象

本專案專為從事自動駕駛研究的工程師與研究人員設計，特別是針對端到端感知到規劃流水線及高效場景表示感興趣的開發者。

特點

• 高效率：顯著縮短訓練時間（例如從 144 小時縮短至 20-30 小時），並較 UniAD 等先前 SOTA 方法提升 FPS。
• 卓越安全性：在 nuScenes 基準測試中實現了更低的碰撞率。
• 統一架構：將多項駕駛任務整合為單一稀疏實例表示。
• 並行設計：將運動規劃視為與運動預測並行的過程，從而進行優化。