这个高光时刻,属于自动驾驶,属于大模型,更是属于中国团队。
就在刚刚,CVPR 2023最佳论文新鲜出炉,2篇论文从总量高达9155篇的投稿中脱颖而出。
对于这2篇最佳论文中的任何一个,可以说用“万里挑一”来形容都不足为过了。
第一篇名为Planning-oriented Autonomous Driving(以路径规划为导向的自动驾驶),由上海人工智能实验室、武汉大学及商汤科技联合完成。
据了解,这是近十年来,计算机视觉三大顶级国际会议(CVPR、ICCV、ECCV)上,第一篇以中国学术机构作为第一单位的最佳论文。
第二篇名为Visual Programming: Compositional visual reasoning without training(视觉编程:未经训练的组合视觉推理),由艾伦人工智能研究所发表。
而在最佳论文的“候选名单”中,不乏谷歌、斯坦福大学、康奈尔大学等在内的顶尖企业和高校。
竞争之激烈,可见一斑。
那么这两篇为何能在众多论文中成为佼佼者,我们继续往下看。
首次提出感知决策一体的自动驾驶通用大模型
自动驾驶历来被人们称为集AI技术之大成者。
一般在自动驾驶任务中,通常包含三大模块,分别是感知、预测和规划,不过主流方案通常是分开来处理具体任务。
由此导致的缺陷也是比较明显,要么是任务之间协调不足,要么是影响到了整体性能的提升。
基于这样的一个背景,这篇论文便首次提出了感知决策一体化的自动驾驶通用大模型——UniAD。
UniAD是一个综合框架,将全栈驾驶任务整合到一个基于Transformer的端到端网络中。
除了我们刚才提到的三个主任务之外,还包括六个子任务,包括目标检测、目标跟踪、场景建图、轨迹预测、栅格预测和路径规划。
那么如此“大一统”的方式之下,结果又如何?
根据论文显示,在nuScenes真实场景数据集中,UniAD的所有任务均达到SOTA!