日前，NeurIPS公布论文评审结果，卡尔动力联合南开大学和上海交通大学的最新研究成果《OPUS: Occupancy Prediction Using a Sparse Set》获NeurIPS 2024收录，标志卡尔动力自动驾驶领域创新成果和前沿技术获得国际权威认可。NeurIPS的全称是Neural Information Processing Systems，神经信息处理系统大会，是全球人工智能和机器学习领域最具影响力的学术会议之一。与ICML、ICLR并称为机器学习领域难度最高、影响力最大的“三大会议”。NeurIPS在全球范围内有着极其广泛的影响力和严苛的录用标准，每年吸引世界范围内众多顶尖学者、科学家和工程师参与。
OPUS: Occupancy Prediction Using a Sparse Set
在自动驾驶技术快速发展的今天，Occupancy预测已成为了一个关键的研究领域，它对于自动驾驶系统的安全性至关重要。传统的Occupancy预测方法通常采用稠密的表征，这不仅导致了大量的计算资源浪费，而且过度预测还可能影响下游任务的性能。为了解决这些问题，卡尔动力提出了行业首个端到端的且全稀疏的预测方案OPUS。OPUS打破了传统的分类预测范式，将Occupancy预测视为集合预测任务。通过Transformer encoder-decoder结构及一系列的优化策略，成功将时间和空间复杂度都降低了一整个量级，在优化性能的同时也保证了快速训练的目的。实验中，卡尔动力的OPUS框架在nuScenes数据集上展现了卓越的性能，在模型指标和运行速度上取得显著突破。OPUS模型仅使用不到一半的计算量就达到了业界最佳性能，同时在RayIoU这一指标上，OPUS模型比现有方法高出超过6%，其最轻量级的模型在保持高准确率的同时，实现了近2倍于现有技术的帧率。这一成果不仅在理论上具有创新性，而且在实际应用中也显示出巨大的潜力。作为自动驾驶AEB系统的核心组件，Occupancy预测模型在安全兜底方面发挥着至关重要的作用，有效防止了OOD（Out-of-Distribution）情况下的碰撞事故。OPUS的创新突破，将进一步提升卡尔动力自动驾驶卡车的整体表现，提升预测准确性的同时，也大幅度降低部署和使用时候的硬件资源需求。卡尔动力作为一家以实现货运无人化技术与规模化运营商业化闭环为目标的自动驾驶公司，拥有强大的技术团队和一流的研发实力。近日发布卡尔领航国内首个端到端L4自动驾驶编队解决方案，并已率先完成量产上车。随着卡尔动力持续投入和布局前沿软件算法，卡尔动力将加速货运无人化进程，推动无人化技术在更广泛的交通领域应用，让运输没有边界，使未来成为现实。![]()
欢迎关注卡尔动力KargoBot公众号
