DriveTransformer：面向可扩展端到端自动驾驶的统一Transformer

端到端自动驾驶（End-to-end Autonomous Driving, E2E-AD）已成为自动驾驶领域的重要发展趋势，有望实现数据驱动且可扩展的系统设计。然而，现有E2E-AD方法通常采用感知-预测-规划的串行范式，导致误差累积和训练不稳定。同时，人工设定的任务顺序也限制了系统在任务间协同优化的能力（例如，规划感知（planning-aware perception）与基于博弈论的交互式预测与规划）。此外，现有方法广泛采用密集的鸟瞰图（BEV）表示，给远距离感知与长期时序融合带来了显著的计算挑战。为应对上述问题，本文提出DriveTransformer——一种面向可扩展性的简化端到端自动驾驶框架，其具有三大核心特性：任务并行性（所有智能体、地图及规划查询在每一网络块中直接相互交互）、稀疏表示（任务查询直接与原始传感器特征交互）以及流式处理（任务查询以历史信息形式存储并传递）。由此，新框架由三个统一的操作构成：任务自注意力（task self-attention）、传感器交叉注意力（sensor cross-attention）与时间交叉注意力（temporal cross-attention），显著降低了系统复杂度，并提升了训练稳定性。在模拟闭环基准测试Bench2Drive与真实世界开环基准nuScenes上，DriveTransformer均取得了当前最优性能，并实现了高帧率（FPS）运行，展现出卓越的实用性与可扩展潜力。