端到端自动驾驶真的需要感知任务吗？

ICLR 25 2025 40 method, application

TLDR

SSR利用稀疏场景标记消除端到端自动驾驶中的监督感知，提升速度与安全性。

评分理由

The paper presents a novel framework that removes the need for expensive annotations by using navigation-guided sparse tokens, achieving significant improvements in efficiency and performance. However, it does not address world models or dynamics prediction, limiting its scope to direct driving tasks.

Read-first 评分解释

综合优先阅读分 40，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 0。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：有；数据：无；命中信号：代码、GitHub

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准

主题相关性 42%

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

研究版图角色

前沿论文复现锚点

排序敏感性

稳定性：volatile；排名波动范围：299。

关键词评分

world model

world simulator

generative world model

interactive world model

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

消除了端到端自动驾驶中人工设计的监督感知子任务的需求
引入稀疏场景表示（SSR），仅使用16个导航引导的令牌提取关键场景信息
时间增强模块，通过自监督将预测的未来场景与实际未来场景对齐

方法

SSR使用16个导航引导的令牌作为稀疏场景表示，消除了监督感知任务。引入时间增强模块，通过自监督将预测的未来场景与实际未来场景对齐，使计算资源集中于导航相关元素。

关键结果

SSR在nuScenes上相比UniAD实现了L2误差相对降低27.2%，碰撞率降低51.6%，推理速度提升10.9倍，训练时间缩短13倍。在CARLA的Town05 Long基准测试中，以48.6分的驾驶得分提升优于VAD-Base。

技术栈

PyTorchnuScenesCARLA

资源

论文代码