北京
高精地圖是世界詳細的數字模型，包括道路的幾何形狀、標志和交通信號等元素。它們已被廣泛應用于輔助駕駛，尤其是在交叉路口復雜的城市環境中。但是，高精地圖的繪制成本高昂且維護難度大，限制了智能汽車的運行區域。為消除智能汽車對高精地圖的依賴，“無圖駕駛”的需求正在不斷增長。
觀看最新一期的DRIVE Labs：
【視頻請至微信公眾號觀看】
00:00:22
無圖駕駛需求不斷增長，消除對高精地圖的依賴
00:00:37
RoadNet 實時預測道路幾何形狀
00:01:03
通過消除信息瓶頸改進無圖駕駛
00:01:38
通過緊密的模塊集成進一步改進
00:02:26
為端到端輔助駕駛堆棧提供直接路徑
本期 DRIVE Labs 介紹了 NVIDIA 的創新技術，通過消除信息瓶頸、提高任務準確性并加速模型的訓練和推理，從而增強無圖駕駛。
RoadNet是一個單個 BEV Transformer 模型，能實時感知各種道路的幾何信息，檢測車道線、路徑、道路邊界等路面元素。RoadNet 的輸出可以通過基于拓撲的上下文融合進行優化，整合感知信號以增強車道幾何的準確性。
在 NVIDIA 最新研究中，將基于 Transformer 和圖形神經網絡的下游模型與在線建圖模型結合，直接訪問 BEV 特征。這樣不僅減少了對高精地圖的依賴，還將推理時間最多縮短 73%，準確性提高多達 29%。
這一方法為無圖駕駛提供了向端到端駕駛系統轉變的直接路徑，推進更高效、可擴展且適應性強的駕駛技術發展。
相關資料
軌跡預測中生成并利用在線地圖的不確定性
本文擴展了多種最先進的在線地圖估計方法，增加了對不確定性的預測，并展示了如何將在線地圖與軌跡預測更緊密地結合起來。
論文鏈接：
https://arxiv.org/abs/2403.16439
項目頁面：
https://github.com/alfredgu001324/MapUncertaintyPrediction
通過直接關注 BEV 特征加速在線建圖與行為預測
本文提出公開在線地圖估計方法中的豐富內部特征，并展示這些信息如何將在線地圖與軌跡預測更緊密地結合。
論文鏈接：
https://arxiv.org/abs/2407.06683
- NVIDIA 中國汽車團隊招聘
- https://qr15.cn/ClR2ij
- DRIVE Labs 視頻合集
- https://www.nvidia.cn/self-driving-cars/drive-videos
- 訂閱 NVIDIA 自動駕駛電子郵件列表，獲取前沿行業資訊
- https://www.nvidia.cn/industries/automotive/#automotive-subscribe-modal
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
