用于端到端自动驾驶的即插即用交通要素感知

交通信号灯和道路标志等交通元素在人类驾驶决策中发挥着基础作用，自然会影响端到端的驾驶性能。然而，现有的端到端驾驶研究主要关注动态道路参与者（例如车辆和行人），而交通要素的作用在很大程度上仍未得到探索。社区仍然缺乏量化其影响的系统研究，主要是因为公共数据集很少提供结构化的交通元素注释，而且现代驾驶系统在架构和训练范式上差异很大。在这项工作中，我们首次对端到端自动驾驶的交通元素感知进行系统研究。我们通过使用全面的交通元素注释增强多个公共驾驶数据集，构建了统一的研究基础设施。为了支持不同的模型系列，我们采用最小且通用的集成设计，以即插即用的方式将交通元素信号合并到现有管道中，而架构修改可以忽略不计。我们在 nuScenes、NAVSIM-v1、NAVSIM-v2 和 Bench2Drive 上跨现代范式评估这种设计，包括感知-预测-规划管道、视觉-语言-动作模型 (VLA)、基于回归的规划器、基于扩散的策略和轨迹评分框架。在所有范式和数据集中，这种简单的集成不断提高驾驶性能，证明交通元素感知为端到端驾驶系统提供了强大且通用的信号。值得注意的是，在具有挑战性的 NAVSIM-v2 基准上，我们的方法显着改进了最先进的架构和数据管道，建立了新的最先进技术。