近日，广汽探讨院X lab团队在世界权威的nuScenes自动驾驭测试竞赛中，依托自助研发的XTracker方法在动态多指标跟进MOT(Multi-Object Tracking)范畴得到纯视线榜单全世界第一名，并将要害目标AMOTA(多指标跟进平均明确度)从之前39.8%大幅提高到43.0%。

nuScenes数据集是世界公认的权威自动驾驭公布数据集之一，数据采集自美国波士顿和新添坡的实质自动驾驭情景，是第一种提供360度的全传感器掩盖，同一时间包括摄像头、激光雷达和mm波雷达数据的数据集，是独一提供雷达数据标注的数据集，掩盖多个气候要求及多个公路情景，数据集总共包涵了1000个情景、140万帧图像、39万帧激光雷达点云、23个物体类型、140万个三维标注框。

动态多指标跟进MOT是对感知数据中检验出的若干动态指标重建活动轨迹，以保证随着时间推搬动态指标轨迹ID不变，是自动驾驭中指标意图与轨迹预测、决策规划等下游任务的要紧依赖项，在自动驾驭驾车中跟车、变道等情景中起到要害效用。

近年来，随着自动驾驭的火热，数据、算法、算力成为公司之中的竞争要塞，一方面参加纯视线3D指标跟进的团队技艺实力均处于全球领先进步水准，竞争非常剧烈，不但涵盖了理想车子、地平线、DeepMotion、Aurora等业界知名公司，还迷惑了麻省理工学院、卡内基·梅隆大学、清华大学、复旦大学、华中科技大学等国家内部外要点高校；另一方面，纯视线多指标跟进须要料理不同光线、视觉遮挡、图像模糊等要害难题。日前业内尚未有老练的技艺可参照，辩别跟进速度慢、指标活动模糊、明确率低等难题成为产业一同难点。

广汽探讨院X lab团队提议了XTracker方法，全体上有三大技艺突破：

一是在自动驾驭产业内初次将跟进的多视角数据，经过Transformer同一转换到BEV(Bird's Eye View, 鸟瞰图)特征体积下，从Decoder输出聚合后的BEV表征。

二是首个在BEV体积下的端到端跟进方法——XTracker，解决了惯例的跟进方案最重要的采纳活动建模或类似性建模，导致检验和跟进之中存留消息流断点，XTracker采纳端到端的同一建模形式，使检验和跟进能够一同训练，构造容易、高效。

三是联合自车活动和多帧延续浮动的方法，更好地达成时序特征的对齐，提升BEV表征体积下活动预测的鲁棒性*。

日前自动驾驭最重要的分为两条探寻路径，一条所以摄像头为主的视线感知路线，另一条所以激光雷达为主的多传感器合一路线。在自动驾驭视线感知技艺大范围利用进程中，尤其是在车子对四周活动物体的感知跟进范畴，动态多指标跟进MOT是技艺请求极高的根基性感知技艺任务，该技艺作为自动驾驭感知部分的必备步骤，将干脆作用到自动驾驭体系鲁棒性和使用者体会感。广汽探讨院X lab团队深耕自动驾驭视线范畴，推行多指标跟进技艺在自动驾驭落地情景中的利用，助力广汽智能化进级。