Chapter07-课程展望与总结

在本专题课程的课程展望和总结中，主要从算法框架、数据、仿真和其他四个方面做未来展望，以及对本课程做一个总结。

• 算法框架

  • 数据驱动的端到端 UniAD
    • https://mp.weixin.qq.com/s/qcNtRsBD5aadkavU9TfpFA
    • https://github.com/OpenDriveLab/End-to-end-Autonomous-Driving - End-to-end Interpretable Neural Motion Planner paper - End-to-End Learning of Driving Models with Surround-View Cameras and Route Planners paper
    • https://github.com/E2E-AD/AD-MLP
    • ST-P3 paper | code
    • MP3 paper | video
    • TCP [NeurIPS 2022] Trajectory-guided Control Prediction for End-to-end Autonomous Driving: A Simple yet Strong Baseline. paper | video ｜code
    • 鉴智机器人 GraphAD
  • 大模型 LMDrive 关于大模型和自动驾驶的几个迷思
  • 世界模型：Drive-WM、DriveDreamer
  • 矢量地图在线建图：MapTRv2、ScalableMap、VectorMapNet、HDMapNet、GeMap、MapEX
  • BEV-OCC-Transformer: OccFormer、OccWorld、Occupancy Flow

• 数据

  • 4D数据自动标注:
    • OCC与Nerf联合标注
    • 面向BEV感知的4D标注方案
  • 数据合成：DrivingDiffusion、MagicDrive、UrbanSyn
  • CLIP2Scene https://github.com/runnanchen/CLIP2Scene

• 仿真

  • UniSim
  • DRIVE Sim

• 其他

  • 舱驾一体
  • AI 编译器: MLIR、TVM、XLA、Triton
  • 模型剪枝、模型蒸馏、模型压缩、模型量化（PTQ、QAT）

关注科技前沿公司：Waabi、Wayve