UniAD 项目推荐
项目地址: https://gitcode.com/gh_mirrors/un/UniAD 1. 项目基础介绍和主要编程语言
UniAD 是一个荣获 CVPR 2023 最佳论文奖的自动驾驶算法框架，由 OpenDriveLab 开发并开源。该项目主要使用 Python 语言进行开发，旨在通过统一的框架实现自动驾驶中的感知、预测和规划任务。
2. 项目核心功能
UniAD 的核心功能围绕“规划导向”的自动驾驶理念展开，具体包括：
- 感知模块：用于检测和跟踪道路上的物体。
- 预测模块：预测物体的未来运动轨迹。
- 规划模块：生成车辆的行驶路径和决策。
UniAD 通过层次化的任务设计，将感知、预测和规划任务有机结合，实现了自动驾驶系统的端到端优化。
3. 项目最近更新的功能
UniAD 项目最近更新了以下功能：
- 2024/08/27：新增了 CARLA 和闭环评估功能，支持在 CARLA Leaderboard 2.0 场景中进行评估。
- 2023/08/03：修复了可视化规划结果与实际地面真相在 x 轴方向上的偏差问题。
- 2023/06/12：修复了阶段1模型（track_map）在从头训练时无法复现性能的问题，通过移除 loss_past_traj 并解冻 img_neck 和 BN 实现了结果的复现。
- 2023/04/18：新增了替换 BEVFormer 的功能，支持使用其他 BEV 编码方法（如 LSS），只要提供 bev_embed 和 bev_pos 即可。
- 2023/04/18：发布了基础模型的检查点。
- 2023/03/29：发布了代码和模型的初始版本 v1.0。
这些更新不仅提升了项目的功能性和稳定性，还增强了其在不同环境和场景下的适应能力。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
