End-to-End Autonomous Driving through V2X Cooperation

要約

V2X通信を介して自車とインフラのセンサーデータを連携して活用することは、高度な自動運転の有望なアプローチとして浮上しています。
ただし、現在の研究は、最終的な計画パフォーマンスを最適化するためにエンドツーエンドの学習を行うのではなく、個々のモジュールの改善に主に焦点を当てているため、データの可能性が十分に活用されていません。
このペーパーでは、多様な視点にわたるすべての主要な運転モジュールを統合ネットワークにシームレスに統合する、先駆的な協調型自動運転フレームワークである UniV2X を紹介します。
我々は、効果的な車両インフラ連携のための疎密ハイブリッド データ伝送および融合メカニズムを提案し、次の 3 つの利点を提供します。 1) エージェントの認識、オンライン マッピング、占有予測を同時に強化するのに効果的で、最終的に計画パフォーマンスを向上させます。
2) 実用的で限られた通信条件でも送信に適しています。
3) このハイブリッド データの解釈可能性と信頼性の高いデータの融合。
私たちは、現実世界の協調運転データセットである挑戦的な DAIR-V2X 上で、いくつかのベンチマーク手法を再現するだけでなく、UniV2X を実装します。
実験結果は、計画パフォーマンスとすべての中間出力パフォーマンスを大幅に向上させる UniV2X の有効性を示しています。
プロジェクトは \href{https://github.com/AIR-THU/UniV2X}{https://github.com/AIR-THU/UniV2X} で入手できます。

要約(オリジナル)

Cooperatively utilizing both ego-vehicle and infrastructure sensor data via V2X communication has emerged as a promising approach for advanced autonomous driving. However, current research mainly focuses on improving individual modules, rather than taking end-to-end learning to optimize final planning performance, resulting in underutilized data potential. In this paper, we introduce UniV2X, a pioneering cooperative autonomous driving framework that seamlessly integrates all key driving modules across diverse views into a unified network. We propose a sparse-dense hybrid data transmission and fusion mechanism for effective vehicle-infrastructure cooperation, offering three advantages: 1) Effective for simultaneously enhancing agent perception, online mapping, and occupancy prediction, ultimately improving planning performance. 2) Transmission-friendly for practical and limited communication conditions. 3) Reliable data fusion with interpretability of this hybrid data. We implement UniV2X, as well as reproducing several benchmark methods, on the challenging DAIR-V2X, the real-world cooperative driving dataset. Experimental results demonstrate the effectiveness of UniV2X in significantly enhancing planning performance, as well as all intermediate output performance. The project is available at \href{https://github.com/AIR-THU/UniV2X}{https://github.com/AIR-THU/UniV2X}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google