欢迎关注微信公众号“机器人具身智能”
论文题目：PARA-Drive: Parallelized Architecture for Real-time Autonomous Driving
论文链接：https://openaccess.thecvf.com/content/CVPR2024/html/Weng_PARA-Drive_Parallelized_Architecture_for_Real-time_Autonomous_Driving_CVPR_2024_paper.html
一、摘要
近年来的研究提出了由可微分模块组成的端到端自动驾驶汽车（AV）架构，实现了最先进的驾驶性能。虽然这些架构相对于传统的感知-预测-规划流水线具有优势（例如，消除组件之间的信息瓶颈，减轻集成挑战），但它们使用了多种任务、模块及其互联组合。然而，至今为止，还没有对这些模块的必要性或其连接方式、位置和内部表示对整体驾驶性能的影响进行系统分析。为了解决这一空白，我们的工作对端到端模块化AV堆栈的设计空间进行了全面探索。我们的研究成果最终开发出了PARA-Drive：一个完全并行的端到端自动驾驶架构。PARA-Drive不仅在感知、预测和规划方面达到了最先进的性能，还在不牺牲可解释性或安全性的前提下，将运行速度显著提升了近3倍。
本研究的主要贡献如下：
(1) 构建一个灵活的端到端模块化自动驾驶架构框架，大大简化了端到端自动驾驶设计空间的探索；
(2) 对端到端自动驾驶的基本设计选择进行系统研究，为未来模块和堆栈集成的开发提供指导；
(3) 提出PARA-Drive，这是一种优雅高效的端到端驾驶架构，在感知、预测和规划性能上达到了最先进的水平，降低了碰撞率，并在可解释性和运行速度上提供了高度的灵活性；
(4) 标准化和增强开环环境下端到端运动规划的评估方法（见第3.2节），并为先前的端到端自动驾驶堆栈重新建立一致的比较基准。
二、实验
这里展示部分结果，更多结果请参考论文。
三、总结
我们的工作通过对高层架构设计空间进行系统分析，为端到端自动驾驶汽车（AV）这一快速发展的领域做出了贡献。我们研究了模块的必要性、它们的位置以及模块之间的信息流动。这些见解促成了PARA-Drive的发展，这是一个新颖的、完全并行的自动驾驶架构，不仅在感知、预测和规划方面达到了最先进的性能，而且显著加快了推理速度。尽管结果令人鼓舞，但目前仅限于开环环境，我们正在努力将实验扩展到仿真中的闭环环境。
四、英文摘要
欢迎关注微信公众号“机器人具身智能”
