本文經(jīng)自動駕駛之心公眾號授權轉載，轉載請聯(lián)系出處。

原標題：Is Ego Status All You Need for Open-Loop End-to-End Autonomous Driving?

論文鏈接：https://arxiv.org/abs/2312.03031

代碼鏈接：https://github.com/NVlabs/BEV-Planner

作者單位：南京大學 NVIDIA

論文思路：

端到端自動駕駛最近作為一個有前景的研究方向浮現(xiàn)出來，以全棧視角為目標尋求自動化。沿這條線，許多最新的工作遵循開環(huán)評估設置在 nuScenes 上研究規(guī)劃行為。本文通過進行徹底的分析并揭示更多細節(jié)中的難題，更深入地探討了這個問題。本文最初觀察到，以相對簡單的駕駛場景為特征的 nuScenes 數(shù)據(jù)集，導致在整合了自車狀態(tài)(ego status)的端到端模型中感知信息的利用不足，例如自車的速度。這些模型傾向于主要依賴自車狀態(tài)進行未來路徑規(guī)劃。除了數(shù)據(jù)集的局限性之外，本文還注意到當前的指標并不能全面評估規(guī)劃質量，這導致從現(xiàn)有基準中得出的結論可能存在偏見。為了解決這個問題，本文引入了一個新的指標來評估預測的軌跡是否遵循道路。本文進一步提出了一個簡單的基線，能夠在不依賴感知標注的情況下達到有競爭力的結果。鑒于現(xiàn)有基準和指標的局限性，本文建議學術界重新評估相關的主流研究，并謹慎考慮持續(xù)追求最先進技術是否會產(chǎn)生令人信服的普遍結論。

主要貢獻：

現(xiàn)有基于 nuScenes 的開環(huán)自動駕駛模型的規(guī)劃性能受到自車狀態(tài)(ego status) （速度、加速度、偏航角）的高度影響。當自車狀態(tài)(ego status) 參與進來，模型最終預測的軌跡基本上由它主導，導致對感知信息的使用減少。

現(xiàn)有的規(guī)劃指標未能完全捕捉到模型的真實性能。模型的評估結果在不同指標之間可能會有顯著差異。本文主張采用更多樣化和全面的指標，以防止模型在特定指標上實現(xiàn)局部最優(yōu)，這可能會導致忽視其他安全隱患。

與在現(xiàn)有的 nuScenes 數(shù)據(jù)集上推動最先進性能相比，本文認為開發(fā)更合適的數(shù)據(jù)集和指標代表了一個更為關鍵和緊迫的挑戰(zhàn)。

論文設計：

端到端自動駕駛旨在以全棧方式共同考慮感知和規(guī)劃[1, 5, 32, 35]。一個基本的動機是將自動駕駛車輛（AV）的感知作為達成目的（規(guī)劃）的手段來評估，而不是過度擬合某些感知度量標準。

與感知不同，規(guī)劃通常更加開放式且難以量化[6, 7]。理想情況下，規(guī)劃的開放式特性將支持閉環(huán)評估設置，在該設置中，其他代理可以對自車的行為做出反應，原始傳感器數(shù)據(jù)也可以相應地變化。然而，到目前為止，在閉環(huán)模擬器中進行代理行為建模和真實世界數(shù)據(jù)模擬[8, 19]仍然是具有挑戰(zhàn)性的未解決問題。因此，閉環(huán)評估不可避免地引入了與現(xiàn)實世界相當大的域差距(domain gaps)。

另一方面，開環(huán)評估旨在將人類駕駛視為真實情況，并將規(guī)劃表述為模仿學習[13]。這種表述允許通過簡單的日志回放，直接使用現(xiàn)實世界的數(shù)據(jù)集，避免了來自模擬的域差距(domain gaps)。它還提供了其他優(yōu)勢，例如能夠在復雜和多樣的交通場景中訓練和驗證模型，這些場景在模擬中經(jīng)常難以高保真度生成[5]。因為這些好處，一個已經(jīng)建立的研究領域集中于使用現(xiàn)實世界數(shù)據(jù)集的開環(huán)端到端自動駕駛[2, 12, 13, 16, 43]。

目前流行的端到端自動駕駛方法[12, 13, 16, 43]通常使用 nuScenes[2] 來進行其規(guī)劃行為的開環(huán)評估。例如，UniAD[13] 研究了不同感知任務模塊對最終規(guī)劃行為的影響。然而，ADMLP[45] 最近指出，一個簡單的MLP網(wǎng)絡也能僅依靠自車狀態(tài)(ego status) 信息，就實現(xiàn)最先進的規(guī)劃結果。這激發(fā)了本文提出一個重要問題：

開環(huán)端到端自動駕駛是否只需要自車狀態(tài)(ego status) 信息？

本文的答案是肯定的也是否定的，這考慮到了在當前基準測試中使用自車狀態(tài)(ego status) 信息的利弊：

是。自車狀態(tài)(ego status) 中的信息，如速度、加速度和偏航角，顯然應有利于規(guī)劃任務的執(zhí)行。為了驗證這一點，本文解決了AD-MLP的一個公開問題，并移除了歷史軌跡真實值(GTs)的使用，以防止?jié)撛诘臉撕炐孤?。本文復現(xiàn)的模型，Ego-MLP（圖1 a.2），僅依賴自車狀態(tài)(ego status) ，并且在現(xiàn)有的L2距離和碰撞率指標方面與最先進方法不相上下。另一個觀察結果是，只有現(xiàn)有的方法[13, 16, 43]，將自車狀態(tài)(ego status) 信息納入規(guī)劃模塊中，才能獲得與 Ego-MLP 相當?shù)慕Y果。盡管這些方法采用了額外的感知信息（追蹤、高清地圖等），但它們并未顯示出比 Ego-MLP 更優(yōu)越。這些觀察結果驗證了自車狀態(tài)(ego status) 在端到端自動駕駛開環(huán)評估中的主導作用。

不是。很明顯，作為一個安全至關重要的應用，自動駕駛在決策時不應該僅僅依賴于自車狀態(tài)(ego status) 。那么，為什么僅使用自車狀態(tài)(ego status) 就能達到最先進規(guī)劃結果的現(xiàn)象會發(fā)生呢？為了回答這個問題，本文提出了一套全面的分析，涵蓋了現(xiàn)有的開環(huán)端到端自動駕駛方法。本文識別了現(xiàn)有研究中的主要缺陷，包括與數(shù)據(jù)集、評估指標和具體模型實現(xiàn)相關的方面。本文在本節(jié)的其余部分列舉并詳細說明了這些缺陷：

數(shù)據(jù)集不平衡。NuScenes 是一個常用的開環(huán)評估任務的基準[11–13, 16, 17, 43]。然而，本文的分析顯示，73.9%的 nuScenes 數(shù)據(jù)涉及直線行駛的場景，如圖2所示軌跡分布反映的那樣。對于這些直線行駛的場景，大多數(shù)時候保持當前的速度、方向或轉向率就足夠了。因此，自車狀態(tài)(ego status) 信息可以很容易地被作為一種捷徑來適應規(guī)劃任務，這導致了 Ego-MLP 在 nuScenes 上的強大性能。

現(xiàn)有的評估指標不全面。NuScenes 數(shù)據(jù)中剩余的26.1%涉及更具挑戰(zhàn)性的駕駛場景，可能是規(guī)劃行為更好的基準。然而，本文認為廣泛使用的當前評估指標，如預測與規(guī)劃真實值之間的L2距離以及自車與周圍障礙物之間的碰撞率，并不能準確衡量模型規(guī)劃行為的質量。通過可視化各種方法生成的眾多預測軌跡，本文注意到一些高風險軌跡，如駛出道路可能在現(xiàn)有指標中不會受到嚴重懲罰。為了回應這一問題，本文引入了一種新的評估指標，用于計算預測軌跡與道路邊界之間的交互率(interaction rate)。當專注于與道路邊界的交匯率(intersection rates) 時，基準將經(jīng)歷一個實質性的轉變。在這個新的評估指標下，Ego-MLP 傾向于預測出比 UniAD 更頻繁偏離道路的軌跡。

自車狀態(tài)(ego status)偏見與駕駛邏輯相矛盾。由于自車狀態(tài)(ego status) 可能導致過擬合，本文進一步觀察到一個有趣的現(xiàn)象。本文的實驗結果表明，在某些情況下，從現(xiàn)有的端到端自動駕駛框架中完全移除視覺輸入，并不會顯著降低規(guī)劃行為的質量。這與基本的駕駛邏輯相矛盾，因為感知被期望為規(guī)劃提供有用的信息。例如，在 VAD [16] 中屏蔽所有攝像頭輸入會導致感知模塊完全失效，但如果有自車狀態(tài)(ego status) 的話，規(guī)劃的退化卻很小。然而，改變輸入的自身速度可以顯著影響最終預測的軌跡。

總之，本文推測，最近在端到端自動駕駛領域的努力及其在 nuScenes 上的最先進成績很可能是由于過度依賴自車狀態(tài)(ego status) ，再加上簡單駕駛場景的主導地位所造成的。此外，當前的評估指標在全面評估模型預測軌跡的質量方面還不夠。這些懸而未決的問題和不足可能低估了規(guī)劃任務的潛在復雜性，并且造成了一種誤導性的印象，那就是在開環(huán)端到端自動駕駛中，自車狀態(tài)(ego status) 就是你所需要的一切。

當前開環(huán)端到端自動駕駛研究中自車狀態(tài)(ego status) 的潛在干擾引出了另一個問題：是否可以通過從整個模型中移除自車狀態(tài)(ego status) 來抵消這種影響？然而，值得注意的是，即使排除了自車狀態(tài)(ego status) 的影響，基于 nuScenes 數(shù)據(jù)集的開環(huán)自動駕駛研究的可靠性仍然存疑。

圖1。(a) AD-MLP 同時使用自車狀態(tài)(ego status) 和過去軌跡的真實值作為輸入。本文復現(xiàn)的版本（Ego-MLP）去掉了過去的軌跡。(b) 現(xiàn)有的端到端自動駕駛流程包括感知、預測和規(guī)劃模塊。自車狀態(tài)(ego status) 可以集成到鳥瞰圖（BEV）生成模塊或規(guī)劃模塊中。(c) 本文設計了一個簡單的基線以便與現(xiàn)有方法進行比較。這個簡單的基線不利用感知或預測模塊，而是直接基于 BEV 特征預測最終軌跡。

圖2。(a) nuScenes 數(shù)據(jù)集中的自車軌跡熱圖。(b) nuScenes 數(shù)據(jù)集中的大多數(shù)場景由直行駕駛情況組成。

圖3。當前方法[12, 13, 16]忽略了考慮自車的偏航角變化，始終保持0偏航角（由灰色車輛表示），從而導致假陰性（a）和假陽性（b）的碰撞檢測事件增加。本文通過估計車輛軌跡的變化來估計車輛的偏航角（由紅色車輛表示），以提高碰撞檢測的準確性。

圖4。本文展示了 VAD 模型（在其規(guī)劃器中結合了自車狀態(tài)(ego status) ）在各種圖像損壞情況下的預測軌跡。給定場景中的所有軌跡（跨越20秒）都在全局坐標系統(tǒng)中呈現(xiàn)。每個三角形標記代表自車的真實軌跡點，不同的顏色代表不同的時間步。值得注意的是，即使輸入為空白圖像，模型的預測軌跡仍保持合理性。然而，紅色框內的軌跡是次優(yōu)的，如圖5中進一步闡述的。盡管對所有環(huán)視圖像都進行了損壞處理，但為了便于可視化，只顯示了初始時間步對應的前視圖像。

圖5。在開環(huán)自動駕駛方法中，從自車的起始位置預測未來軌跡。在模仿學習范式內，預測軌跡理想情況下應該與實際的真實軌跡密切對齊。此外，連續(xù)時間步預測的軌跡應保持一致性，從而保證駕駛策略的連續(xù)性和平滑性。因此，圖4 中紅色框顯示的預測軌跡不僅偏離了真實軌跡，而且在不同的時間戳上顯示出顯著的分歧。

圖6。對于在其規(guī)劃器中結合了自車狀態(tài)(ego status) 的基于VAD的模型，本文在視覺輸入保持恒定的情況下，向自車速度引入噪聲。值得注意的是，當自車的速度數(shù)據(jù)被擾動時，結果軌跡顯示出顯著的變化。將車輛的速度設置為零會導致靜止的預測，而速度為100米/秒會導致預測出不切實際的軌跡。這表明，盡管感知模塊繼續(xù)提供準確的周圍信息，模型的決策過程過分依賴于自車狀態(tài)(ego status) 。

圖7。BEVFormer在 BEV查詢的初始化過程中結合了自車狀態(tài)(ego status) 信息，這是當前端到端自動駕駛方法[13, 16, 43]未曾涉及的細節(jié)。

圖8。在 BEV-Planner++ 中引入自車狀態(tài)(ego status) 信息使得模型能夠非?？焖俚厥諗俊?/p>

圖9。比較本文基線的 BEV特征與相應的場景。

實驗結果：

論文總結：

本文深入分析了當前開環(huán)端到端自動駕駛方法固有的缺點。本文的目標是貢獻研究成果，促進端到端自動駕駛的逐步發(fā)展。

引用：

Li Z, Yu Z, Lan S, et al. Is Ego Status All You Need for Open-Loop End-to-End Autonomous Driving?[J]. arXiv preprint arXiv:2312.03031, 2023.