文章核心观点 - 文章系统回顾了公司在自动驾驶领域的一系列核心技术研究，这些研究构成了一个从感知到规划、再到仿真评测和基础模型的完整技术链路 [2][4][5] - 技术路径从Sparse4D系列融合感知出发，逐步拓展至SparseDrive端到端运动规划，并针对长期迭代需求开发了UniMM交通流仿真和DriveCamSim传感器仿真，最终探索了智驾基础大模型LATR [4][5][30] - 认为端到端模型是行业明确方向，但未来性能提升高度依赖于高效、准确的云端评测系统，而非完全依赖实车测试 [22][30][31] 3D融合感知（Sparse4D系列） - Sparse4D系列采用稀疏query加内外参投影采样的方式，直接从多视角图像特征得到融合感知结果，理论计算复杂度远小于BEV方案 [6][7] - Sparse4D v1核心是deformable aggregation算子，实现了纯稀疏范式的融合感知 [7] - Sparse4D v2将时序融合方式改为recurrent形式，时序复杂度从O(T)降低至O(1)，并优化了算子实现，提升了训练推理速度和模型性能 [9] - Sparse4D v3通过temporal denoising、decouple attention等技术提升性能，并以简洁方式实现了联合检测与跟踪，在nuScenes camera-only detection和tracking榜单位居第一 [11] 端到端运动规划（SparseDrive） - SparseDrive在Sparse4D基础上，增加了online mapping任务并设计了运动规划器，实现了检测、跟踪、建图、预测和规划五个任务的端到端处理 [13][15] - 采用稀疏feature作为planner输入，通过大量负样本query覆盖所有可视范围，以应对非白名单物体的避障问题 [15] - 当前规划decoder结构较简单，且仅在nuScenes上进行开环评测，闭环性能有待通过仿真器进一步优化 [15] 轨迹预测与交通流仿真（EDA & UniMM） - EDA提出了动态更新的anchor概念，并采用NMS策略进行匹配，能有效建模轨迹预测的多峰分布，且可与多数预测模型即插即用 [16][17] - 轨迹预测是连接感知和决策的中间件，但其应用受感知噪声和下游使用复杂性限制 [19] - UniMM将交通流仿真的主流模型Continuous Mixture Models和GPT-Like Discrete Models进行了统一，并提出了通用算法框架 [20] - 交通流仿真通过每一步重新采样的方式绕开直接建模多车联合概率，比联合轨迹预测更能反映算法真实性能 [19][20] 传感器仿真（DriveCamSim） - DriveCamSim旨在构建高度可控的传感器仿真系统，通过显式投影约束3D-2D和时序一致性，解耦了时间和空间概念 [23][24] - 模型可生成任意帧率、任意相机内外参、任意相机数量下的图像，适应的condition包括3D bounding box、地图、自车pose等 [24] - 相比于基于3DGS的重建方案或完全依赖Attention的生成方案，该方法在可控性和一致性上具有显著优势 [23][24] 智驾基础模型（LATR） - LATR目标是通过海量数据无监督训练和大参数量，构建能理解智驾场景语义、空间和时空关系的基础模型 [26] - 采用Mask Image Modeling进行预训练，并通过精心设计的masking策略加大补全难度以提升训练效果 [26] - 设计了decoder-only的统一架构，将7个任务融合到同一框架中，新增任务仅需增加一个MLP，最大程度复用预训练参数，效果达到与SparseDrive相当的水平 [27]