CVPR 2023 自动驾驶挑战赛正式启动
近日,CVPR2023自动驾驶挑战赛将正式启动。本次大赛由上海人工智能实验室、清华MARS Lab、华为技术有限公司、商汤科技有限公司、中国惠普有限公司等合作伙伴联合主办。本赛事旨在深入探讨自动驾驶感知决策系统面临的任务和挑战,为全球参赛者提供展示技术与创新的舞台。本次大赛共设四个赛道,集结10万美元奖金池,热忱欢迎自动驾驶领域的学术界及产业界人士积极参与。
赛道介绍
• Baseline(进阶版,InternImage):https://github.com/OpenGVLab/InternImage
在线高精地图构建挑战赛
比起传统的车道线检测,采用矢量化折线来定义各种地图元素能够更精确地表示复杂的道路结构。基于车载传感器数据,动态构建具有丰富语义的局部高精地图,从而进一步帮助多种下游自动驾驶任务推进。
比赛任务:要求参赛模型基于多视图图像构建出局部高精地图,并提交矢量化输出。评价指标是基于车道分隔线、道路边界和人行横道三个类别的mAP指标。
• 数据量:约200G
• 参考训练时间:1-2天(8卡3090)
• Baseline(基础版):https://github.com/Tsinghua-MARS-Lab/Online-HD-Map-Construction-CVPR2023
在数据标注及训练过程中,3D边界框往往不足以描述一般物体,受机器人学概念的启发,可将感知表征描述成对栅格化三维空间的占据情况预测。这一想法在CES 2023和Tesla AI Day 2022上也得到印证。与以三维框为中心的感知表征不同,占据栅格享有描述任意形状实体的灵活性。
比赛任务:要求参赛者根据主办方提供的大规模三维占据栅格数据集,以及既定覆盖360度视角的多相机图像输入,预测出整个场景的栅格化三维空间中每个体素的语义状态。
• 数据量:约30G
• 参考训练时间:1-2天(8卡3090)
• Baseline(基础版):https://github.com/CVPR2023-Occupancy-Prediction-Challenge/CVPR2023-Occupancy-Prediction-Challenge
三维占据栅格预测示例
为了验证越来越多基于机器学习的运动规划模块的有效性,nuPlan提供了一个大规模带有闭环设置的运动规划训练测试框架。现有公开的轨迹预测基准侧重于短期运动预测,并仅限于开环评估。本次nuPlan挑战赛的关注焦点是,在现实驾驶场景中使用多种性能指标闭环地评估运动规划系统。挑战赛分为开环、闭环(无反应智能体)和闭环(有反应智能体)三种复杂模式。
比赛任务:要求参赛者使用俯视图下交通参与者(车辆、自行车等)和静态障碍物的语义表示,规划车辆在特定时间范围内的未来轨迹。
• 数据量:约1T
• 参考训练时间:3-4天(8卡3090)
nuPlan规划示例
赛程安排
大赛奖励
分赛道奖金池(单位:美元)
第一名 | 第二名 | 第三名 | 创新奖 | |
赛道一 | 1.5万 | 5千 | - | 5千 |
赛道二 | 1.5万 | 5千 | - | 5千 |
赛道三 | 1.5万 | 5千 | - | 5千 |
赛道四 | 1.5万 | 5千 | 5千 | 5千 |
演讲嘉宾
Deva Ramanan
卡内基·梅隆大学机器人研究所教授
Raquel Urtasun
Waabi创始人及CEO、多伦多大学计算机科学系教授
Sergey Levine
加州大学伯克利分校电子工程与计算机科学系副教授
赛务组联系方式
点击“阅读原文”或以下链接可了解详情、报名参赛https://opendrivelab.com/AD23Challenge.html
Slack 交流群
https://s.r.sn.cn/sH6gUP(联系管理员并加入各个赛道专用频道)组队云文档
https://s.r.sn.cn/FkptJp
咨询邮箱workshop-e2e-ad@googlegroups.com(邮件主题需加前缀 “CVPR 2023 E2EAD”)。