论文链接:https://arxiv.org/pdf/2312.03031
- 用Ego-MLP,仅使用车辆状态(速度、加速度、转向角等,不包含历史轨迹),就可以达到SOTA。因为Ego status会降低模型对感知的依赖。通过后续测试会发现,感知输出0,效果还是很好。而把车辆状态改成一个错误的值,模型马上就会输出错误的结果。
所以“很多方案把ego status包装到自己的方案里,是误导人的” - 这个问题并不完全怪Ego status,因为数据集nusense本身太简单,场景不复杂,交互不多,所以用这个就够了。
- 碰撞率之前的计算是算一条轨迹上有多少点碰撞了,再求样本均值,这个把碰撞假设为相互独立的了,实际上只要前面碰了,就后面不可能碰了,因为碰了就停了。之后是统计一条轨迹是否碰撞,再求均值。这也是我们的算法,更加合理。
- UniAD加了一个避免碰撞的optimizer,是为了metric而metric,它导致的后果是,每降低0.1%的碰撞概率,会增加5%以上的和道路边界的碰撞概率。
- 所有的端到端都不太会转弯。