AD
Admin
Papers
Topics
View Site
Edit Paper
UniAD: 面向规划的统一自动驾驶框架
论文标题
*
英文原标题
(选填)
arXiv / 原文链接
(选填)
自动填充
粘贴 arXiv 链接后点击“自动填充”可获取标题、作者、摘要、日期
GitHub 链接
(选填)
作者
(选填,回车添加)
发表日期
*
发表会议/期刊
(选填)
有开源实现
精选推荐
英文摘要
(选填,可从 arXiv 自动填充)
中文摘要
*
提出统一自动驾驶框架UniAD,通过query-based设计将感知、预测、规划联合优化在单一网络中,在nuScenes上实现SOTA端到端驾驶性能。
75/200
工程评注
*
**工程核心价值**:端到端架构的工业化参考标杆。 - 训练需 8×A100 约24h,BEV encoder是瓶颈 - 建议用预训练 BEVFormer 权重初始化 - 规划模块在感知特征就绪后极轻量(<5ms) - 多任务 loss 权重需仔细调参,`planning_loss` 建议设为主导 - nuScenes 闭环评测 mAP 61.0, NDS 66.3
支持 Markdown 格式,无字数限制
标签分类
(已选 4 个)
技术方向
(3 selected)
感知
Perception
预测
Prediction
规划
Planning
控制
Control
地图
Mapping
定位
Localization
技术范式
(1 selected)
端到端
End-to-End
VLM
Vision-Language Model
VLA
Vision-Language-Action
世界模型
World Model
强化学习
Reinforcement Learning
数据相关
数据生成
Data Generation
自动标注
Auto Labeling
仿真
Simulation
应用场景
城市道路
Urban Road
高速
Highway
停车
Parking
越野
Off-road
关联公司
特斯拉
Tesla
Waymo
Waymo
华为
Huawei
百度Apollo
Baidu Apollo
小鹏
Xpeng
理想
Li Auto
蔚来
NIO
地平线
Horizon Robotics
商汤
SenseTime
Nvidia
Nvidia
Comma.ai
Comma.ai
大疆卓驭
DJI
论文类型
综述
Survey
开创性工作
Seminal Work
工程实践
Engineering Practice
增量改进
Incremental
行业报告
Industry Report
手动关联论文
(选填,搜索标题添加)
Update Paper
Cancel