🔥 今日值得一读
施工区自动驾驶新突破：14.9万合成样本+5000真实数据，轨迹预测性能飙升！
WZPlanner: Safe End-to-End Path Planning for Autonomous Driving in Work Zones
👨💼 主理人解读 · 为什么值得关注
做工作区自动驾驶规划，可用WorkZonePlan数据集训练端到端模型，含合成与真实多模态标注。
📖 AI 总结
本文提出WZPlanner相关研究，聚焦施工区这一自动驾驶难点场景。由于临时交通管制和车道封闭常不在车载地图中，施工区对自动驾驶的感知与规划构成挑战，而公开数据集稀缺也限制了模型泛化。作者构建了WorkZonePlan数据集，包含14.9万余个合成样本和5000余个真实多模态样本，并提供76个闭环CARLA场景及228条评测路线。研究提出半自动化数据生成流程WAVE，以及联合预测车道边界、施工区边界和行驶轨迹的Transformer模型BoundaryFormer。实验显示，采用独立轨迹解码器的BF++在211条公共路线上取得63.0和64.4的驾驶得分，优于SimLingo的59.3和TransFuser++的26.1，且模型规模显著更小。结果表明，联合预测边界与轨迹是提升施工区自动驾驶安全性的有效方向。
🔑 关键词速览
| WorkZonePlan | 本文提出的施工区自动驾驶数据集，包含合成与真实多模态样本及车道/施工区边界和轨迹的 3D 标注。 |
| WAVE | 一种半自动化数据生成流程，用于在虚拟和真实环境中创建施工区自动驾驶数据集。 |
| BoundaryFormer (BF) | 基于 Transformer 的模型，联合预测车道边界、施工区边界多项式和行驶轨迹，使用槽注意力进行边界预测。 |
| BF++ | BoundaryFormer 的增强版本，提供 Camera 和 Camera+LiDAR 变体，引入度量地平面编码、类型化查询、长距离点锚、图像空间曲线细化和门控 LiDAR 融合。 |
| Bench2Drive | 一种用于自动驾驶闭环评估的格式标准，本文将其用于生成 228 条评估路线。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅