端到端系列！SpareDrive：基于稀疏场景表示的端到端自动驾驶~

本文认为现有的端到端方法主要存在两个问题：一个是BEV范式下的方法非常耗算力；另一个是预测和planning串联式的方式不够好,场景信息是在 agent周围提取，忽略了自车。并且运动预测和规划都是多模态问题。基于此，本文提出一种Sparse范式下的端到端方法，且预测和planning并行。 Contribution: SparseDrive的主体结构沿用了之前地平线Sparse系列的思想： 点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 探索了端到端自动驾驶的稀疏场景表示，并提出了一种以稀疏为中心的范式； 修改了运动预测和规划之间的巨大相似性，提出了一种分层规划选择策略； nuScenes 上 SOTA。 特征提取； 对称稀疏感知； 平行运动规划器； 训练的损失函数如下： SparseDrive: 损失函数 www.zdjszx.com □ Loss $${\mathcal{L}}={\mathcal{L}}{d e t}+{\mathcal{L}}{m a p}+{\mathcal{L}}{m o t i o n}+{\mathcal{L}}{p ...