arXiv Computer Vision· Qiren Wang, Mingyu Guo, Zixuan Wang, Weisong Shi·· 13 小时前AI 评分31
BEVCast：路径自适应 BEV 实现高效端到端自动驾驶
BEVCast: Path-Adaptive BEV for Efficient End-to-End Autonomous Driving
AI 导读
BEVCast 提出一种两级 BEV 表示，分辨率随预测行驶路径自适应调整：先用 4.096 m 粗网格编码全场景，再由基于记录路径训练的热度头选出高热度单元，在固定预算下细化为 1.024 m。
推荐理由模型分析
BEVCast 把相机 BEV 的分辨率与预测行驶路径绑定：先以 4.096 m 粗网格覆盖全场景，再按热力头在固定预算内把高热度单元细化到 1.024 m，轨迹头读取混合分辨率 BEV。与同架构、同训练配方的全 1.024 m 网格相比，10% 细化预算下 BEV 查询降至 28%、编码时间降至 66%（batch size 1）；nuScenes 平均位移误差 1.078 m 对 1.149 m，可行驶区域违规率 1.46% 对 2.29%。做 BEV 规划的研究者可据此比较精度与算力取舍，但结论限于这两个基准和所述预算，实车部署效果未验证。
来源：arXiv Computer Vision · arxiv.org