温哥华当地时间6月21日，2023年国际计算机视觉与模式识别会议（cvpr）公布了最佳论文等奖项。上海人工智能实验室、武汉大学和商汤科技联合发表的自动驾驶通用模型相关论文从9155篇论文中脱颖而出，获得本届cvpr最佳论文奖。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。
cvpr在学术界和产业界都有重要影响力。根据谷歌学术指标2022年列出的全球最有影响力的六大科学期刊/会议中，cvpr位列第四，仅次于《自然》《新英格兰医学杂志》《科学》。
(相关资料图)
入围本届cvpr最佳论文候选名单的作品来自谷歌、上海人工智能实验室、斯坦福大学、康奈尔大学等知名企业和科研机构。最终，上海人工智能实验室联合团队的研究成果《以路径规划为导向的自动驾驶》摘取cvpr 2023最佳论文奖。这篇论文首次提出感知决策一体化的自动驾驶通用大模型uniad，开创了以全局任务为目标的自动驾驶大模型架构先河, 为自动驾驶技术与产业发展指出了新方向。
uniad：业界首个感知决策一体化的自动驾驶大模型
上海人工智能实验室青年科学家李弘扬介绍，作为一种高度复杂的技术，自动驾驶不仅需要多个学科领域的知识和技能，包括传感器硬件、机器学习、多模态融合等，还需要适应不同国家和地区的道路规则和交通文化，与车辆及行人进行良好的交互。自动驾驶系统包含三大主任务——感知、预测和规划。当前，业界主流的方案架构是分别采用不同的模块来处理这些任务，但由于各模块并非以驾驶为最终目标进行优化，自动驾驶系统的整体性能提升受到了很大限制。
在uniad中，研究人员首次将感知、预测和规划等三大类主任务、六小类子任务（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）整合到统一的基于transformer的端到端网络框架下，实现了全栈关键任务驾驶通用模型。在nuscenes真实场景数据集中，uniad的所有任务均达到“领域最佳性能”（state-of-the-art），尤其是预测和规划效果远超之前的最佳方案。其中，多目标跟踪准确率提升20%，车道线预测准确率提升30%，预测运动位移和规划的误差分别降低38%和28%。
在晴天直行场景中，uniad可以感知左前方等待的黑色车辆，预测其未来轨迹（即将左转驶入自车的车道），并立即减速以避让，待黑车驶离后再恢复正常速度直行。
在雨天转弯场景中，即便面对视野干扰较大且场景复杂的十字路口，它也能通过分割模块生成十字路口的整体道路结构，并完成大幅度的左转。
在夜晚视野变暗的情况下，它能感知到前车并完成先静止、后左转的规划。
本届cvpr上，上海人工智能实验室有12篇论文入围“highlight（亮点）”名单，覆盖视觉基础模型、通才模型、三维视觉、底层视觉、视频检索、物体检测、姿态估计、自动驾驶等相关领域的研究。其中，uniad相关工作获最佳论文奖、三维物体数据集研究工作入围最佳论文候选。
栏目主编：黄海华
本文作者：俞陶然
