NMP Autonomous Driving：利用神经网络预学习地图信息来进行智能驾驶辅助

这是清华大学 MARS 实验室的一个项目，NMP是一种基于神经网络学习的框架，它采用全局地图的神经表示来提高自动驾驶的局部地图推理性能。 它使用神经网络模型来学习和存储全局地图的信息。包括道路的布局、交通标志的位置、常见的交通模式等。这些信息被编码成神经网络的权重和偏差，形成了地图的”神经表示”。 当自动驾驶车辆在行驶时，它需要实时地理解和预测其周围环境。例如，车辆需要知道前方是否有障碍物，交通灯的颜色是什么，是否有行人正在过马路等。这些推断需要基于车辆的传感器，如摄像头、雷达和激光雷达等收集的数据。 然而，这些传感器只能提供有限的、局部的视野，而且可能受到天气条件、光照变化等因素的影响。 因此，如果能利用全局地图的神经表示，就可以提供更全面、更准确的环境信息，从而提高本地地图推断的性能。例如，即使在雨天或夜晚，视线不佳的情况下，车辆也可以利用全局地图的神经表示，来预测那些传感器可能看不清的地方的情况。