https://auto-driving-blog.pages.dev/tags/-%E7%A8%80%E7%96%8F%E5%8C%96/ Recent content in ⚡ 稀疏化 on Elon's AD Insight https://auto-driving-blog.pages.dev/images/share.png https://auto-driving-blog.pages.dev/images/share.png Hugo zh-cn Sun, 19 Jul 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/paper-reading/sparsedrive-v2%E7%B2%BE%E8%AF%BB/ Sun, 19 Jul 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/paper-reading/sparsedrive-v2%E7%B2%BE%E8%AF%BB/ SparseDriveV2 把’打分式规划’推向极致：把时空轨迹分解成几何路径✕速度剖面两份词表，用组合式构图构造出比此前稠密 32 倍的超密集轨迹词表；再配合’粗粒度分解打分 + 细粒度组合打分’的可扩展打分策略，让打分计算量与词表大小解耦。在 NAVSIM v2 上达到 90.1 EPDMS，位居打分式与生成式方法的 SOTA。 https://auto-driving-blog.pages.dev/posts/paper-reading/sparse4d%E7%A8%80%E7%96%8F%E6%84%9F%E7%9F%A5%E7%B2%BE%E8%AF%BB/ Sun, 19 Jul 2026 00:00:00 +0000 https://auto-driving-blog.pages.dev/posts/paper-reading/sparse4d%E7%A8%80%E7%96%8F%E6%84%9F%E7%9F%A5%E7%B2%BE%E8%AF%BB/ Sparse4D 用全稀疏范式挑战 BEV 感知路线：用稀疏实例 query 直接从多相机图像抠出 3D 目标，绕开计算昂贵的稠密 BEV 特征图。它通过稀疏 4D 关键点采样、循环时序融合和实例去噪三项核心设计，将多摄像头 3D 检测与跟踪做到 nuScenes 顶尖。作为全稀疏感知范式奠基作，后续 SparseDrive 系列在此基础上构建端到端驾驶系统。