sparseDrive(2):环境搭建及效果演示

1. 介绍

论文探索了面向端到端自动驾驶的稀疏场景表征方法，提出名为SparseDrive的稀疏中心化范式，其通过稀疏实例表征统一了多任务学习框架。该范式具有三大创新：

1. 揭示了运动预测与路径规划的高度相似性
2. 据此提出并行化运动规划器设计
3. 创新性集成碰撞感知重评分模块的分层规划选择策略

在nuScenes基准测试中，SparseDrive全指标超越现有SOTA方法，其中安全关键指标碰撞率显著降低，同时保持更高的训练与推理效率（具体数据见第4章实验部分）。

系统架构

SparseDrive 首先将多视角图像编码为特征图，然后通过对称稀疏感知学习稀疏场景表示，最后以并行方式执行运动预测和路径规划。设计了一个实例记忆队列用于时序建模。

对称稀疏感知的模型架构，采用对称结构统一了检测、跟踪和在线建图功