作者 | 自动驾驶专栏 编辑 | 自动驾驶专栏
点击下方卡片,关注“自动驾驶之心”公众号
戳我-> 领取自动驾驶近15个方向学习路线
本文只做学术分享,如有侵权,联系删文
论文链接:https://arxiv.org/pdf/2404.09496
代码链接:https://github.com/CollaborativePerception/V2Xverse
摘要
![edbdd64841b0b9ee51f410e35ea6a0f4.png](https://i-blog.csdnimg.cn/blog_migrate/305be55b530958f43734eb2b0a1f7397.png)
本文介绍了面向协同自动驾驶:仿真平台与端到端系统。车路协同辅助(V2X-AD)在提供更安全的驾驶解决方案方面具有巨大潜力。尽管在交通和通信方面进行了大量的研究以支持V2X-AD,但是这些基础设施和通信资源在提高驾驶性能方面的实际利用仍未得到充分探索。这突显了协同自动驾驶的必要性,即优化信息共享策略来改进每辆汽车驾驶性能的机器学习方法。这项工作需要两个关键的基础条件:一个能够生成数据来促进V2X-AD训练和测试的平台,以及一个集成驾驶相关完整功能与信息共享机制的综合系统。从平台的角度看,本文提出了V2Xverse,这是一个用于协同自动驾驶的综合仿真平台。该平台为协同驾驶提供了完整的流程:多智能体驾驶数据集生成方案、部署全栈协同驾驶系统的代码库、具有场景定制的闭环驾驶性能评估。从系统的角度看,本文引入了CoDriving,这是一种新型的端到端协同驾驶系统,它将V2X通信正确地集成到整个自动化流程中,促进了基于共享感知信息的驾驶。其核心思想为一种新型的面向驾驶的通信策略,即使用稀疏但信息丰富的感知线索在单视图中选择性地补充关键的驾驶区域。通过这一策略,CoDriving在优化通信效率的同时,提高了驾驶性能。本文使用V2Xverse进行全面基准测试,分析了模块化性能和闭环驾驶性能。实验结果表明:1)与SOTA端到端驾驶方法相比,CoDriving的驾驶得分显著提高了62.49%,行人碰撞率急剧降低了53.50%;2)与动态约束通信条件相比,CoDriving实现了持续的驾驶性能优势。
主要贡献
![2994c9e9eb3027f0dae6909ddce365ee.png](https://i-blog.csdnimg.cn/blog_migrate/796f988da596283c8af20223ae331e22.png)
本文的贡献总结如下:
1)本文提出了V2Xverse,这是一个综合的V2X辅助的自动驾驶仿真平台。该平台支持驾驶相关子任务的离线基准生成和不同场景下的在线闭环驾驶性能评估,从而实现协同驾驶系统的开发;
2)本文提出了CoDriving,这是一种新型的端到端协同自动驾驶系统,通过共享关键驾驶信息来提高驾驶性能;
3)本文进行综合的实验,并且验证了:1)支持V2X通信的信息共享显著优于单个智能体的端到端自动驾驶系统;2)CoDriving在模块化和系统级评估中实现了优越的性能-带宽权衡。
论文图片和表格
![f669693901b63dc64422c3e15e40124b.png](https://i-blog.csdnimg.cn/blog_migrate/777d5bc3722fa3ace281c28230208958.png)
总结
![58ad3fa8335c567732276c911d662308.png](https://i-blog.csdnimg.cn/blog_migrate/3c683d000158e2db034df9e1ab8cd314.png)
本项工作通过仿真平台和端到端系统来推进协同自动驾驶。本文开发了一个综合的闭环V2X全自动驾驶仿真平台V2Xverse。该平台为开发以终极驾驶性能为目标的协同自动驾驶系统提供了完整的流程。同时,V2Xverse维持了对单功能模块和单智能体驾驶系统进行集成和验证的适应性和可扩展性。此外,本文提出了一种新的端到端协同自动驾驶系统CoDriving,其通过共享关键的驾驶感知信息来提高驾驶性能,同时优化通信效率。对整个驾驶系统的综合评估表明,CoDriving在不同的通信带宽下显著优于单智能体系统。本文的V2Xverse平台和CoDriving系统为更可靠的自动驾驶提供了潜在的解决方案。
投稿作者为『自动驾驶之心知识星球』特邀嘉宾,欢迎加入交流!
① 全网独家视频课程
BEV感知、毫米波雷达视觉融合、多传感器标定、多传感器融合、多模态3D目标检测、车道线检测、轨迹预测、在线高精地图、世界模型、点云3D目标检测、目标跟踪、Occupancy、cuda与TensorRT模型部署、大模型与自动驾驶、Nerf、语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频(扫码即可学习)
② 国内首个自动驾驶学习社区
国内最大最专业,近3000人的交流社区,已得到大多数自动驾驶公司的认可!涉及30+自动驾驶技术栈学习路线,从0到一带你入门自动驾驶感知(2D/3D检测、语义分割、车道线、BEV感知、Occupancy、多传感器融合、多传感器标定、目标跟踪)、自动驾驶定位建图(SLAM、高精地图、局部在线地图)、自动驾驶规划控制/轨迹预测等领域技术方案、大模型、端到端等,更有行业动态和岗位发布!欢迎扫描下方二维码,加入自动驾驶之心知识星球,这是一个真正有干货的地方,与领域大佬交流入门、学习、工作、跳槽上的各类难题,日常分享论文+代码+视频
![8430bd157472b1093e4905b307d35514.png](https://i-blog.csdnimg.cn/blog_migrate/61d10f3dc4e44c79a34806f04b4b5d09.png)
③【自动驾驶之心】技术交流群
自动驾驶之心是首个自动驾驶开发者社区,聚焦感知、定位、融合、规控、标定、端到端、仿真、产品经理、自动驾驶开发、自动标注与数据闭环多个方向,目前近60+技术交流群,欢迎加入!
自动驾驶感知:目标检测、语义分割、BEV感知、毫米波雷达视觉融合、激光视觉融合、车道线检测、目标跟踪、Occupancy、深度估计、transformer、大模型、在线地图、点云处理、模型部署、CUDA加速等技术交流群;
多传感器标定:相机在线/离线标定、Lidar-Camera标定、Camera-Radar标定、Camera-IMU标定、多传感器时空同步等技术交流群;
多传感器融合:多传感器后融合技术交流群;
规划控制与预测:规划控制、轨迹预测、避障等技术交流群;
定位建图:视觉SLAM、激光SLAM、多传感器融合SLAM等技术交流群;
三维视觉:三维重建、NeRF、3D Gaussian Splatting技术交流群;
自动驾驶仿真:Carla仿真、Autoware仿真等技术交流群;
自动驾驶开发:自动驾驶开发、ROS等技术交流群;
其它方向:自动标注与数据闭环、产品经理、硬件选型、求职面试、自动驾驶测试等技术交流群;
扫码添加汽车人助理微信邀请入群,备注:学校/公司+方向+昵称(快速入群方式)
④【自动驾驶之心】平台矩阵,欢迎联系我们!