VectorMapNet: エンドツーエンドのベクトル化されたHDマップ学習

自動運転システムは、都市道路を走行するために高精細（HD）セマンティックマップを必要とします。既存のソリューションでは、セマンティックマッピングの問題に対処するためにオフラインでの手動アノテーションが行われていますが、これは深刻なスケーラビリティの問題を抱えています。最近の学習ベースの手法では、マップ構築のために密集したラスタライズされたセグメンテーション予測が生成されています。しかし、これらの予測には個々のマップ要素のインスタンス情報が含まれていませんし、ベクトル化されたマップを得るためにはヒューリスティックな後処理が必要です。これらの課題に取り組むために、我々はオンボードセンサ観測からベクトル化されたHDマップを学習するエンドツーエンドパイプラインであるVectorMapNetを提案します。VectorMapNetは、鳥瞰図で一連のポリラインを予測するように設計されており、このパイプラインはマップ要素間の空間関係を明示的にモデル化し、下流の自動運転タスクに適したベクトル化されたマップを生成することができます。広範な実験により、VectorMapNetはnuScenesおよびArgoverse2データセットにおいて強力なマップ学習性能を達成しており、従来の最先端手法よりも14.2 mAPおよび14.6 mAP上回っています。定性的には、VectorMapNetは包括的なマップを生成し、道路形状の微細な詳細を捉える能力を持っています。我々が知る限りでは、VectorMapNetはオンボード観測からエンドツーエンドでベクトル化されたマップ学習を行う最初の試みです。プロジェクトウェブサイトは \url{https://tsinghua-mars-lab.github.io/vectormapnet/} で利用可能です。