基于 UniAD 模型的自动驾驶人车混行场景优化

作者	单位
李欣远

摘要点击次数: 83

全文下载次数: 1

中文摘要:

针对人车混行场景中自动驾驶系统感知精度不足和交互预测失效等问题，采用端到端框架 UniAD 模型，分析多模态融合信息损失、样本不均衡及无法平衡实时性与准确性等技术难点，改进多尺度特征提取方法、交互感知轨迹预测算法和安全约束运动规划策略。结果表明：优化后系统性能显著提升，端到端架构实现感知、预测与规划的均衡提升；小目标检测召回率提高 21.3%，预测准确率提升 17.5%，系统延迟降至 50 ms，关键安全指标碰撞时间（TTC）干预率降低 65%。优化后系统通过了 ISO 26262：2011《道路车辆功能安全》验证，达到汽车安全完整性等级（ASIL）C 级要求，这为我国复杂交通环境下自动驾驶技术落地提供了可行方案。

英文摘要:

查看全文查看/发表评论

关闭