asp.net做网站的流程/seowhy
25年3月来自新加坡公司 Carion 和北航的论文“DiffAD: A Unified Diffusion Modeling Approach for Autonomous Driving”。
端到端自动驾驶 (E2E-AD) 已迅速成为实现完全自动驾驶的一种有前途的方法。然而，现有的 E2E-AD 系统通常采用传统的多任务框架，通过单独的特定任务头来处理感知、预测和规划任务。尽管以完全可微分的方式进行训练，但它们仍然遇到任务协调问题，并且系统复杂性仍然很高。这项工作引入 DiffAD——一种扩散概率模型，它将自动驾驶重新定义为条件图像生成任务。通过将异构目标栅格化到统一的鸟瞰图 (BEV) 上并对其潜分布进行建模，DiffAD 统一各种驾驶目标并在单一框架中联合优化所有驾驶任务，显着降低系统复杂性并协调任务协调。逆过程迭代细化生成的 BEV 图像，从而产生更稳健和逼真的驾驶行为。
实现全自动驾驶不仅需要对复杂场景有深入的理解，还需要与动态环境进行有效的交互，并全面学习驾驶行为。传统的自动驾驶系统建立在模块化架构之上，感知、预测和规划都是独立开发的，然后集成到车载系统中。虽然这种设计提供可解释性并方便调试，但跨模块的单独优化目标往往会导致信息丢失和错误积累。
最近的端到端自动驾驶 (E2E-AD) 方法（例如 [3、16、20]）试图通过实现所有组件的联合、完全可微分训练来克服这些限制，如图 (a) 所示。然而，仍然存在几个关键问题：
- 次优优化：像 UniAD [16] 和 VAD [20] 这样的方法仍然依赖于顺序流水线，其中规划阶段取决于前面模块的输出。这种依赖性可能会放大整个系统的错误。
- 查询建模效率低下：当前基于查询的方法（例如 [16, 20]）部署数千个可学习查询来捕获潜在的交通元素。这种方法导致计算资源分配效率低下，过多关注上游辅助任务而不是核心规划模块。例如，在 VAD 中，感知任务消耗了总运行时间的 34.6%，而规划模块仅占 5.7%。
- 协调复杂性：由于每个任务头都使用不同的目标函数独立优化，并且目标的形状和语义含义各不相同，因此整个系统变得支离破碎，难以进行连贯训练 [5]。
为了解决这些限制，本文提出一种范式 DiffAD，它将所有驾驶任务的优化统一到一个模型中，如图 (b) 所示。具体来说，将感知、预测和规划中的异构目标栅格化到统一的鸟瞰图 (BEV) 空间中，从而将自动驾驶问题重塑为条件图像生成问题之一。
扩散模型，也称为基于分数的生成模型 [14, 39, 42]，在正向（扩散）过程中逐渐将噪声注入数据，并通过反向（去噪）过程从噪声中生成数据。
如图所示，DiffAD 由三个主要组件组成：潜在扩散模型、BEV 特征生成器和轨迹提取网络 (TEN)。
训练过程：
- 栅格化和潜空间编码：DiffAD 首先将感知、预测和规划目标栅格化为 BEV 图像。然后使用现成的 VAE 编码器将 BEV 图像压缩到潜空间以进行降维。
- 特征提取和转换：将周围视图图像输入到特征提取器中，该提取器将生成的透视图特征转换为统一的 BEV 特征。
- 用于噪声预测的扩散模型：将高斯噪声添加到潜 BEV 图像中以获得噪声潜图像。训练扩散模型以根据 BEV 特征预测来自噪声潜表示的噪声。
- 轨迹提取：训练基于查询的 TEN，从潜 BEV 图像中恢复自我智体的矢量化轨迹。
推理过程：
- 条件去噪：DiffAD 首先根据 BEV 特征，从纯高斯噪声中生成去噪的潜 BEV 图像。
- 规划提取：TEN 然后从潜 BEV 图像中提取自智体的规划轨迹。
- 解码 BEV：通过将潜 BEV 图像解码回像素空间，可以获得预测的 BEV 图像以供解释和调试。
据说开环评估不足以满足 E2E 模型的要求 [19, 26]。为了解决这个问题，用 Bench2Drive 数据集在 CARLA 模拟器中进行训练和闭环评估[8]。Bench2Drive 提供三个数据子集：mini（10 个剪辑用于调试）、base（1,000 个剪辑）和 full（10,000 个剪辑用于大规模研究）。按照 [19] 的方法，用基础子集进行训练。
训练。用来自 Stable Diffusion[36] 的现成预训练变分自动编码器 (VAE) 模型 [23]。VAE 编码器的下采样因子为 8。在所有实验中，扩散模型都在潜空间中运行。保留来自 DiT [34] 的扩散超参。为了促进学习过程，在第一阶段从感知部分（即检测和地图）的单幅图像学习开始，而预测和规划 BEV 图像则用零填充。然后在时间设置中与所有感知、预测和规划部分联合训练模型。
推理。利用 DDIM-10 采样器 [40] 进行推理，并使用官方评估工具 [19] 来计算闭环指标。对于车辆控制，采用官方提供的 PID 控制器。