CVPR 2023 正式公布最佳論文等重磅獎項。來自上海人工智能實驗室、武漢大學、商湯科技團隊聯合發表論文Planning-oriented Autonomous Driving（以路徑規劃為導向的自動駕駛）實現自動駕駛技術的重要突破，獲CVPR最佳論文。
(資料圖片)
國內自動駕駛，真的出息了！
一覺醒來，還沒來得及吃口熱乎粽子，就看見一條堪稱爽文的熱乎新聞：
在2023年，CVPR大會的論文投稿總量達9155篇。其中，商湯科技及聯合實驗室共有 54篇論文被CVPR 2023接收，包含一篇最佳論文、一篇最佳論文候選，以及七篇Highlight論文。
論文題目：Planning-oriented Autonomous Driving
論文地址：https://arxiv.org/abs/2212.10156
在近萬篇論文中，上海人工智能實驗室、武漢大學、商湯科技聯合團隊研究成果Planning-oriented Autonomous Driving（以路徑規劃為導向的自動駕駛）最終脫穎而出，獲CVPR 2023最佳論文獎（Best Paper Award）。
（劃重點）要知道這個國際獎項已經頒了40年，但以自動駕駛為主題的論文獲獎可是第一次！
另外參與CVPR評選需要和全球各地的頂尖學者來一套“過五關斬六將”，拿了這個獎堪稱為國爭光（進度條：已擊敗全球99.99%學者/學術機構）！
平復激動的心情，接下來咱們就聊聊這個獲獎的事兒。
首先這個頒獎機構用一個詞來形容，就是頂級（到能讓一個研究生原地畢業）。
CVPR一年舉辦一次，是計算機視覺領域的全球級會議。要想知道一個會議有多少含金量，看業內人的關注度就懂了，CVPR的隆重程度：從1983年開始，每年吸引著全球各地的學術大牛們來參與，近幾年投稿量都近萬篇，即使這些天之驕子總是第一輪就會被刷掉3/4。
當然這可不是什么鍍金的手段，這個會議憑借著高質量和低成本，它為眾多研學者提供著教科書般的行業價值。目前在中國計算機學會推薦國際學術會議的排名里，CVPR為人工智能領域的A級會議。
除了水平認證，CVPR回報給這些學者們最重要的是尊重和公平。在初次篩選中，評審們給出的選擇不是通不通過，而是細致到“非常接受”、“接受”、“差不多”、“拒絕”、“非常拒絕”。
同時評審們不屬于CVPR機構組織，對手里的稿件都是盲審。最關鍵的是，稿件不允許出現任何能顯示作者信息身份的元素（懷疑定這個規矩的人參加過我們語文高考）！所以評審們和作者都不知道彼此是誰！因此，最后脫穎而出的作品都是用實力經過細審，沒什么運氣的成分。
話說咱們國內智能車現在發展的如火如荼，也不知道當時有沒有評審猜中過這篇論文的歸屬地。話不多說，接下來咱們就來看看這篇論文是靠什么獲得國際認證的。
我們人類開車時的思路通常是“堵車了，我得剎停”，而自動駕駛車的思路則是“感知前方障礙物的時速和距離、系統算法判斷場景需求決定剎車、牽動制動系統”。顯然，如果自動駕駛系統將流程整合起來會帶來更絲滑、BUG更少的體驗。
這篇以自動駕駛為主題的論文就是從此角度切入問題，核心在于首次提出感知決策一體化的自動駕駛通用大模型UniAD。UniAD將檢測、跟蹤、建圖、軌跡預測，占據柵格預測以及規劃，整合到一個基于Transformer的端到端網絡框架下。
不用覺得復雜，我們挑取2個重點詞“檢測”、“規劃”，也就是說這個框架在環境中可以直接給出相應的指令。
UniAD將各任務通過token（最小單位）的形式在特征層面，按照感知-預測-決策的流程進行深度融合，使得各項任務彼此支持，實現性能提升。在nuScenes數據集的所有任務上，UniAD都達到 SOTA 性能。
融合五大核心模塊，解決自動駕駛“規劃”難題
為什么之前的自動駕駛系統做不到呢？
現有的自動駕駛系統可大致歸為三類：
（a）模塊化組成的系統；
（b）多任務模塊架構的系統；
（c）端到端自動駕駛系統。
其中傳統的端到端算法可分為：
（c.1）基礎的端到端算法，直接從傳感器輸入預測控制輸出，但是優化困難，在充滿復雜視覺信息的真實場景中應用面臨較大挑戰；
（c.2）按照任務劃分網絡的顯式設計，但是網絡模塊之間缺乏有效的特征溝通，需要分階段的輸出結果，任務間缺乏有效交互。
（c.3）這篇論文里提出的決策導向的感知決策一體設計方法，用token特征按照感知-預測-決策的流程進行深度融合，使得以決策為目標的各項任務指標一致提升。
最為常見的是模塊化組成的系統架構，或者部分模塊組成多任務架構，他們都以優化部分性能為核心，比如檢測性能（檢測準確度）、預測性能（預測準確度）。
以上一些算法的BUG總結起來其實就是流程瑣碎，一損俱損。這和當下智駕方案都急著擺脫高精地圖的原因有點類似。畢竟依賴高精地圖的話，哪怕硬件、算法再好，只要地圖有偏差，整套方案直接崩盤。所以大家都在做“簡化和收納”。
而端到端自動駕駛系統，以UniAD自動駕駛通用大模型為代表，將檢測、跟蹤、建圖、軌跡預測、占據柵格預測以及規劃五大模塊融合，以最終的駕駛性能為目標，從解決實際問題出發，例如提升規劃出來的車輛行駛軌跡的安全性。
現在行業中大多數端到端（End-to-end，E2E）的自動駕駛系統，由于沒有很好的網絡框架來融合全部五大模塊，都只能融合部分模塊。
UniAD通過將環視的圖片以Transformer映射得到BEV的特征，同時進行目標的跟蹤，在線的建圖，包括目標軌跡的預測，還有障礙物的預測，最終實現駕駛行為。環視一圈，現觀察現預測，然后決定怎么行動，聽起來是不是有人類開車的味兒了？
據商湯科技聯合創始人、首席科學家王曉剛表示，UniAD可以做到“多目標跟蹤準確率超越SOTA 20%，車道線預測準確率提升30%，預測運動位移誤差降低38%，規劃誤差降低28%。”
下面展示了UniAD在數據集nuScenes上多個復雜場景下的優勢。
UniAD 感知到左前方等待的黑色車輛，預測其未來軌跡（即將左轉駛入自車的車道）和未來的occupancy，推算繼續前行有碰撞風險，并立即減速以進行避讓，待黑車駛離后再恢復正常速度直行。
得益于 UniAD 的地圖分割模塊與規劃模塊的深度交互，規劃模塊基于道路信息作出判斷，向前行駛時依據道路結構適時地轉彎。
在視野干擾較大且場景復雜的十字路口，UniAD 能通過分割模塊生成十字路口的整體道路結構（如右側 BEV 圖中的綠色分割結果所示）和周圍車輛的軌跡，由基于注意力機制的planner完成大幅度的左轉。
在夜晚視野變暗的情況下，由于需要繼續直行至下個路口左轉，UniAD 能感知到前車停止且左右均有障礙物，所以先靜止，待前車行駛并再前行并左轉。
雖然現在自動駕駛的目標還是趕緊追上人類，但是不得不說有些場景中大模型觀察環境比我們都更加全面細致，以下案例，展示了UniAD在國內真實場景的實際演示效果。
在擁堵路段上，UniAD能感知到前方大車的停車和啟動狀態，做出相應的減速和加速決策，保持足夠的安全距離。
得益于地圖重建任務，UniAD在路口和曲折道路上，也可以做出符合道路曲率的路徑規劃。
自動駕駛多模態大模型發展和落地
在學術圈大家都認這么一個理兒：不能落地的論文得再好的獎也沒有價值。這篇《以路徑規劃為導向的自動駕駛》用幾千字提出了UniAD 這項自動駕駛技術，為產業發展拓展了一個新的方向。實際上，它的創造者已經在努力將這些價值落地了。
作為創作者之一的商湯科技，一直致力于自動駕駛技術領域的研究和發展布局。例如在今年上海車展上，商湯展示了廣汽埃安AION LX Plus、哪吒S等車型搭載商湯絕影智能駕駛方案的落地成果。
王曉剛將這些成果歸功于商湯持續建設打造“大模型+大裝置”技術路徑，以及在自動駕駛行業長期深耕的積累與實踐，并表示未來將沿著多模態大模型的道路，去進一步推動自動駕駛的進步。
所以這篇論文不只是學術上一次舌戰群儒的勝利，更關鍵的是它將成為自動駕駛大漠臺多模型落地的標志，繼續發揮它的應用價值，去推動實現更高階的自動駕駛人工智能。期待國內自動駕駛行業再次實現擊敗全球99.99%對手的進度條！
責任編輯：
關鍵詞：
責任編輯：Rex_23
