【论文阅读】SparseAD: Sparse Query-Centric Paradigm for Efficient End-to-End Autonomous Driving

论文链接：https://arxiv.org/pdf/2404.06892
团队：迈驰、中科大

论文重点

相比于之前的端到端方法，该论文提出了==“稀疏”==的想法。即以前的方法都是需要BEV信息的，BEV信息是稠密的，包含了全视角的、类别丰富的信息。BEV需要空间和时间开销（这类方法比如UniAD，VAD），因此如果传递其他信息呢？该论文传递的是Transformer中的queries，所以论文名也强调“Query-Centric”。

规划

运动预测

ego query + motion query + map + history

优化

这篇论文参考了VAD。VAD是考虑了3种约束，分别是

1. 和障碍物的碰撞约束
2. 和boundary的碰撞约束
3. 和车道方向的方向约束
   这篇论文会对前后左右各个方向的障碍物的风险进行约束，使用focal loss进行loss设计。但是这一部分我不懂。
   除此之外，还拿ego query解码了未来状态（速度、加速度、方向等）。但是这个是微分上互相约束的，怎么能解码呢？

测评

测评是在nuS数据集上做的，开环没有意义。