GenAD : Conduite autonome générative bout-en-bout

La production directe de résultats de planification à partir de capteurs bruts représente une solution longtemps recherchée pour la conduite autonome, et a récemment suscité un intérêt croissant. La plupart des méthodes actuelles de conduite autonome end-to-end décomposent ce problème en trois étapes : perception, prédiction du mouvement et planification. Toutefois, nous soutenons que la chaîne progressive classique ne parvient pas à modéliser de manière complète l’évolution globale du trafic, notamment les interactions futures entre le véhicule autonome (ego car) et les autres participants au trafic, ainsi que les priorités structurelles des trajectoires. Dans cet article, nous explorons un nouveau paradigme pour la conduite autonome end-to-end, dont le principe fondamental consiste à prédire l’évolution du véhicule autonome et de son environnement à partir de scènes passées. Nous proposons GenAD, un cadre génératif qui reformule la conduite autonome comme un problème de modélisation générative. Nous introduisons un tokeniseur de scène centré sur les instances, qui transforme d’abord les scènes environnantes en tokens d’instances conscients de la carte. Ensuite, nous utilisons un autoencodeur variationnel pour apprendre la distribution des trajectoires futures dans un espace latent structurel, afin de modéliser les priorités structurelles. Nous intégrons également un modèle temporel pour capturer les mouvements des agents et du véhicule autonome dans cet espace latent, permettant ainsi de générer des trajectoires futures plus efficaces. GenAD réalise finalement simultanément la prédiction du mouvement et la planification en échantillonnant des distributions dans l’espace latent structurel appris, conditionnées aux tokens d’instances, et en utilisant le modèle temporel appris pour générer les scénarios futurs. Des expériences étendues sur le benchmark nuScenes largement utilisé démontrent que GenAD atteint des performances de pointe dans le domaine de la conduite autonome end-to-end centrée sur la vision, tout en offrant une efficacité élevée. Code : https://github.com/wzzheng/GenAD.