��图解ICCV-VAD:把自动驾驶世界变成向量
- 2026-08-12 10:12:16
🏅图解ICCV-VAD：把自动驾驶世界变成向量
如果让自动驾驶系统理解一个路口，你会怎么表示这个世界？
传统方法很直接：先把周围环境“画”成一张BEV地图——车道、车辆、可行驶区域、Occupancy，全都塞进密集网格里。问题是，Planner真正关心的并不是“第137行第82列像素是什么”，而是：前车是谁？它准备去哪？车道往哪延伸？道路边界在哪里？
VAD在ICCV 2023给出了一个很有意思的答案：
👉 别把世界只当成像素，直接把它变成Vector。
🚗 周围车辆是Agent Query
🛣️ 车道和道路边界是Map Vector
📈 未来运动是Motion Vector
🎯 自车最终输出Planning Vector
于是，整个驾驶场景从一张“密集图片”，变成了一组更适合规划理解的结构化对象。
更关键的是，VAD并没有只靠模仿专家轨迹训练Planner。
它额外加入了三类很有工程味的约束：
⚠️ Collision Constraint：规划轨迹别靠其他交通参与者太近
🛣️ Boundary Constraint：别贴着道路边缘甚至冲出边界
➡️ Lane Direction Constraint：规划方向尽量符合车道几何
这背后其实有个很重要的端到端思想：
End-to-End ≠ 什么规则都不要。
更合理的方式，是把安全距离、道路边界、车道方向这些驾驶先验，变成可微的Loss，让模型在训练阶段自己学会“什么轨迹不能走”。
实验也很亮眼。论文在nuScenes的open-loop评测中，VAD-Base报告平均Planning Error约0.37m、Collision Rate约0.14%，推理速度达到4.5 FPS；轻量版VAD-Tiny甚至达到16.8 FPS。
所以VAD真正值得记住的，不只是“Vectorized”。
它提出了一个直到今天VLA、World Model时代依然非常关键的问题：
💡 我们究竟应该用什么形式描述世界，才能让Planner更容易做决策？
从Raster BEV，到Agent Token、Map Token、Motion Token，再到今天的多模态Token和世界模型，本质上都在寻找一种更适合“决策”的世界表示。
一句话理解VAD：
Representation决定Planner看见什么，Constraint决定Planner学会怕什么。
#智能驾驶 #自动驾驶 #VAD #ICCV2023 #端到端自动驾驶 #BEV #Planning #VLA #WorldModel #图解智能驾驶论文100篇 #智能驾驶 #学习 #ai #智能驾驶技术 #大模型 #transformer #CVPR #论文 #CV #ICRA #ICCV
