論文地址：https://arxiv.org/pdf/2212.10156

代碼地址：https://github.com/OpenDriveLab/UniAD

1. 摘要

現代自動駕駛系統通常由一系列按順序執行的模塊任務構成，例如感知、預測和規劃。為了完成多種任務并實現高級別的智能化，當前的方法要么為每個任務部署獨立模型，要么采用帶有多個任務頭的多任務學習范式。然而，這些方法可能面臨誤差累積或任務協調不足的問題。因此，論文認為，一個理想的自動駕駛框架應圍繞最終目標——即自車軌跡規劃進行設計與優化。基于這一理念，重新審視了感知與預測中的關鍵組成部分，并對任務進行優先級排序，使它們都服務于規劃。

如圖 (a) 所示，大多數工業界解決方案仍采用獨立模型分別處理每項任務，只要車載芯片資源允許。這種設計雖然降低了跨團隊開發難度，但由于各模塊優化目標相互獨立，容易造成信息丟失、誤差累積和特征失配等問題。更優雅的設計是將多個任務整合為多任務學習（MTL）架構，如圖 (b)