CVPR2021论文MP3：如何构建统一模型实现地图、感知、预测与规划？

本文共计3484个文字，预计阅读时间需要14分钟。

Sensor/组织：Uber Status阅读总结：一款非常酷的！端到端输出map中之间态的一种建图+感知+预测+规划的通用框架类型：CVPR年份：2021引用量：20+参考与前言：论文链接：https://openaccess.thecvf.com/content/

Sensor/组织: Uber
Status: Reading
Summary: 非常棒！端到端输出map中间态 一种建图 感知 预测 规划的通用框架
Type: CVPR
Year: 2021
引用量: 20

• 参考与前言

  论文链接：

  openaccess.thecvf.com/content/CVPR2021/papers/Casas_MP3_A_Unified_Model_To_Map_Perceive_Predict_and_Plan_CVPR_2021_paper.pdf

  arxiv上链接（CVPR那个链接缺少附录 ）：

  MP3: A Unified Model to Map, Perceive, Predict and Plan

1. Motivation

HD Map有相当丰富的语义信息比如lanes，crosswalks，traffic lights等等的拓扑和信息。这些信息给 感知和motion forecast任务 提供了很多先验信息。