AD
Admin
Papers
View Site
Edit Paper
VAD: 向量化场景表示的端到端自动驾驶
论文标题
*
英文原标题
（选填）
arXiv / 原文链接
（选填）
粘贴 arxiv ID（如 2401.12345）可自动补全链接
GitHub 链接
（选填）
发表日期
*
发表会议/期刊
（选填）
有开源实现
精选推荐
中文摘要
*
提出全向量化驾驶场景表示，将agent运动和地图元素建模为显式向量实例，避免密集栅格化，实现高效端到端规划。
54/200
工程评注
*
**量产方案首选方向**：向量化比栅格化快3倍。 - 天然处理变长车道线，无需固定BEV grid - 高速/结构化道路效果最佳，复杂路口需增加 map vector 数量 - VADv2 引入概率预测，进一步提升安全性 - 端侧推理约 20ms（Orin），优于同类方法
支持 Markdown 格式，无字数限制
标签分类
(已选 4 个)
技术方向
(1 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
(2 selected)
城市道路
Urban Road
高速
Highway
停车
Parking
越野
Off-road
Update Paper
Cancel