跳到正文
arXiv cs.AI· Muhammad Zain Khawaja, Zaynab El Mawas, Ryota Yamada, Gabriela Cordova, Arseni Lysak, Intisar Chowdhury, Bharat Jayaprakash, Apostolos Georgiadis, Shri Harsha Adapala, Jatin Gautam, Christoph Bank, Alejandra Solarte Uscategui, Atanasko Boris Mitrev, Hassan Ali Ansari, Nishad Sahu·· 4 小时前AI 评分40

AutoE2E:面向 L2++ ADAS 与 L4 Robotaxi 的无语言端到端实时驾驶模型

AutoE2E: Don't speak - Language free end-to-end autonomy A Real-Time Driving Model for L2++ ADAS and L4 Robotaxis

AI 导读

Autoware 基金会 Robotaxi 工作组开源端到端驾驶模型 AutoE2E v1.0,采用时序 BEV 架构融合多摄像头感知、HD 地图与路线条件预测车辆未来运动,模型约 7990 万参数、其中约 145 万可训练。

正文 · AI 翻译

作者:Muhammad Zain Khawaja、Zaynab El Mawas、Ryota Yamada、Gabriela Cordova、Arseni Lysak、Intisar Chowdhury、Bharat Jayaprakash、Apostolos Georgiadis、Shri Harsha Adapala、Jatin Gautam、Christoph Bank、Alejandra Solarte Uscategui、Atanasko Boris Mitrev、Hassan Ali Ansari、Nishad Sahu

查看 PDF HTML(实验性)

摘要:AutoE2E 是由 Autoware Foundation Robotaxi 工作组开发的开源端到端驾驶模型。它引入了一种时序鸟瞰图(BEV)架构,结合多摄像头感知、高清地图信息和路线条件来预测未来车辆运动。所评估的模型使用预训练的摄像头-BEV 主干网络、时序特征融合和轻量级循环轨迹规划器。它包含约 7990 万个参数,其中在评估配置中约有 145 万个参数可训练。v1.0 版本提供了模型检查点、训练与评估代码,以及 DataModelConsole——一个用于可视化和检查模型实验的仪表板。在 KITScenes 验证基准上,微调后的检查点在 3 秒预测时域下达到平均位移误差(ADE)0.745 m 和最终位移误差(FDE)2.020 m。论文还报告了与慕尼黑工业大学 EDGAR 平台开展的初步实车研究,以及与卡尔斯鲁厄理工学院的持续合作。AutoE2E v1.0 是一个早期的开放研究版本。其定量评估为开环评估,该模型尚未展示经过验证的闭环自动驾驶能力。该版本旨在为自动驾驶社区提供一个可检查的基线,以供进一步研究、实验和协作开发。
注释: 22 页,17 幅图,6 张表。代码、模型检查点和评估流水线发布于 此 https URL 标签,Apache-2.0)
主题: 人工智能(cs.AI);机器人学(cs.RO)
引用为: arXiv:2611.22374 [cs.AI]
  (或 arXiv:2611.22374v1 [cs.AI] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.22374

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Zaynab El Mawas [查看电子邮件]
[v1] 2026 年 11 月 17 日星期二 08:27:07 UTC(2,729 KB)

来源:arXiv cs.AI · arxiv.org