自动驾驶需要全面理解周围环境以进行可靠的轨迹规划。之前的研究依赖于密集的光栅场景表征（例如，代理人占用和语义地图）来执行规划，这是计算密集型的，并且缺少实例级别的结构信息。本文提出了VAD，一种用于自动驾驶的端到端矢量化范式，它将驾驶场景建模为完全矢量化的表征。所提出的矢量化范式具有两个显著的优势。一方面，VAD利用矢量化的代理人运动和地图元素作为显式的实例级别规划约束，有效提高了规划的安全性。另一方面，VAD通过摆脱计算密集型的光栅化表征和手动设计的后处理步骤，可以比先前的端到端规划方法更快地运行。VAD在nuScenes数据集上取得了最先进的端到端规划性能，大大优于先前的最佳方法（将平均碰撞率降低了48.4%）。此外，VAD极大地提高了推理速度（高达9.3倍），这对于自动驾驶系统的实际部署至关重要。代码和模型将被发布以促进未来研究。
论文链接：http://arxiv.org/pdf/2303.12077v1
更多计算机论文：http://cspaper.cn/