UniAD
OpenDriveLab/UniAD加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象你坐在一辆试验车里，前方十字路口正有一辆快递三轮车从右侧盲区突然驶出。人类驾驶员会瞬间完成一连串思考：那个三轮车要左转了——它的速度不快——我需要减速让行还是加速绕过去？——如果绕，需要打方向盘多少度？——还要注意左边有没有行人……
这一秒之内发生的事，对于传统自动驾驶系统来说，需要至少五个独立模块各自为战：目标检测模块说「前方有车」，地图模块说「这是路口」，预测模块说「它要左转」，规划模块说「我该绕」，控制模块说「方向盘打15度」。每个模块各管各的，数据格式不统一，信息在模块之间传来传去，像一家公司里五个部门各自为政，开会靠打电话，效率低还容易扯皮。
UniAD（Unified Autonomous Driving）就是来解决这个问题的。它由上海人工智能实验室的 OpenDriveLab 团队提出，发表在 CVPR 2023，并拿下了当届 Best Paper Award。它的核心理念只有一个：别各自为政了，让感知、预测、规划全部围绕「我接下来该怎么开」这一个目标来设计。
在说 UniAD 之前，有必要搞清楚自动驾驶研发的「三明治困境」：
底层是感知——要看得见。车辆需要用摄像头、激光雷达等传感器感知周围环境：哪里有车，哪里有人，哪里是车道线。这部分技术相对成熟。
顶层是规划控制——要开得对。感知到信息后，系统要决定：加速、减速、转向，然后把这些指令发给车辆执行。
中间层是预测——这是最难的部分，也是 UniAD 真正发力的地方。真实道路上，其他交通参与者的行为是高度不确定的：一辆自行车可能突然变道，一个行人可能闯红灯，一辆车可能急刹车。预测模块需要回答：「他接下来几秒会怎么动？」这个问题没有标准答案，只能靠概率模型猜。
传统方案的痛点在于：感知、预测、规划往往是分开训练、独立优化的。每个模块只管自己那份，模块之间靠手工设计的后处理接口传递信息。这就好比流水线上的三个工位，每个工人都按自己的标准生产，最后靠传话筒拼在一起。结果是：信息传递有损耗、误差会逐级放大、模块之间无法联合优化。
UniAD 的答案是：用一个统一的网络，让所有任务在同一个优化目标下联合训练，这个目标只有一个——规划的质量。
UniAD 的架构图非常清晰——从输入到输出，依次是：
图1：UniAD 完整流程图（来源：GitHub仓库官方图片）
从左到右，UniAD 的 Pipeline 包含以下核心模块：
一切从鸟瞰图（Bird's Eye View，BEV）开始。BEVFormer 是一个基于 Transformer 的感知编码器，它将摄像头采集的多个视角图像，统一融合成一个 360° 的俯视角度特征图。相当于把车的「眼睛」（摄像头）看到的东西，「投影」到一张从空中俯瞰的道路图上。
这样做的好处是：之前你看的是前后左右四张图，需要分别处理再融合；现在你直接得到一张上帝视角的地图，所有物体都在同一个坐标系下，后续模块处理起来就简单多了。
BEVFormer 输出的 BEV 特征图，是整个 UniAD 的信息中枢。
有了 BEV 特征图，接下来 TrackFormer 负责跟踪道路上的动态目标：车辆、行人、骑行者。它不仅检测目标在哪里，还通过 Transformer 的注意力机制，跨帧关联目标身份——让系统知道「第3帧的这辆车」和「第5帧的那辆车」是同一个物体，从而形成完整的轨迹。
MapFormer 从 BEV 特征中解析出静态道路信息：车道线、道路边界、可行驶区域。它输出的不是一个 CAD 图，而是一张语义地图——告诉系统「哪里能开，哪里不能开」。
这是 UniAD 的核心创新模块。MotionFormer 为每个动态目标生成多模态运动轨迹预测：它会说「这辆公交车有60%的概率左转，30%的概率直行，10%的概率停车」。预测以未来6秒为时间窗口，每0.5秒一个采样点，形成一条完整的运动轨迹。
MotionFormer 的设计非常巧妙：它采用了一个「两两交互」的注意力机制，让每辆车的预测都同时考虑到其他所有车辆的影响——就像真实驾驶中，司机不仅看前车，还要时刻观察周围所有车辆的动态。
OccFormer 负责预测栅格化的占用网格（Occupancy Grid）：将周围空间切分成小方格，预测每个方格在未来某个时刻是否会被占据。这解决了运动预测的一个盲区——运动预测是「点轨迹」，但真实世界是「有形状的」。比如一辆挂车转弯时，车头和车尾走的是不同的弧线，点轨迹预测无法捕捉这种「伸缩变形」，而占用网格可以。
终于到了核心目标。Planning 模块以 MotionFormer 的多模态轨迹和 OccFormer 的占用预测作为输入，结合 MapFormer 的地图约束，生成最终的自车行驶轨迹。
关键设计：规划模块接收来自所有下游任务的 Query 输出作为输入，而不是简单拼接中间特征。这确保了感知、预测的信息能够真正被规划模块利用，而不是在传递过程中被遗忘。
最后，规划输出的是一条轨迹坐标序列，直接送到控制模块执行。
UniAD 的训练分为两个阶段：
这样做是因为感知模块是其他所有模块的底座，如果底座不稳定，后面的联合训练就会「垃圾进、垃圾出」。分阶段训练保证了每个模块都能得到充分、合理的优化。
很多人会问：把所有任务绑在一起训练，真的比各自单独训练更好吗？UniAD 的实验给出了明确答案：
| 任务 | 指标 | UniAD 结果 | 此前 SOTA |
|---|---|---|---|
| 多目标跟踪 | AMOTA | 0.394 | 通常在0.3x |
| 车道线分割 | IoU-lane | 0.294 | - |
| 运动预测 | minADE | 0.71m | 通常1.0m+ |
| 占用预测 | IoU | 63.4% | - |
| 规划（碰撞率） | Avg.Col | 0.31% | 通常0.5%+ |
最关键的数字是运动预测误差（minADE）0.71米——意味着 UniAD 对周围车辆6秒后的位置预测，平均误差只有71厘米。考虑到这是在复杂城区道路、包含大量交通参与者的情况下取得的成绩，这个精度相当可观。
更值得注意的是规划碰撞率 0.31%。这意味着在10000帧测试中，只有31帧出现了潜在碰撞风险。这个数字在自动驾驶规划领域已经是非常优秀的表现。
图2：OpenDV 数据集构成（来源：GitHub仓库官方图片）
UniAD 基于 OpenDV 数据集训练，该数据集整合了 nuScenes 和 NAVSIM 等主流自动驾驶数据，其中 nuScenes 数据集体积约400GB，是训练的最大门槛之一。
UniAD 是一个纯研究框架，面向的是自动驾驶研究社区，而非终端用户。没有 Web 界面、没有 API 接口、没有现成的推理服务。你需要：
项目提供了 Dockerfile，可以省去大部分环境配置的痛苦：
git clone https://github.com/OpenDriveLab/UniAD.git
cd UniAD
docker build -t uniad docker/Dockerfile
但这只是容器化环境的开始。即使进了容器，你还需要：
官方预估：有经验的开发者完成完整部署大约需要 1-3 天。
2025年10月团队发布了 v2.0，主要变化：
但随之而来的问题是：大量已有的第三方教程、数据预处理脚本可能不再兼容，需要跟着官方文档重新适配。
即使获得了 CVPR Best Paper，UniAD 也有明显的局限性：
1. 计算成本极高
整个 Pipeline 包含5个 Transformer 模块，每个模块都有复杂的注意力计算。BEVFormer 本身就是一个 heavy 模型，再加上 MotionFormer 的两两交互注意力，在消费级 GPU 上实时推理几乎不可能。论文更多是证明了「联合优化」的有效性，而非提供了一个可部署的实时系统。
2. 开环评估的局限性
当前 benchmark 主要基于 nuScenes 开环评估——即让模型预测未来轨迹，然后和 ground truth 比较。但开环指标并不能完全反映真实驾驶安全：模型可能在某个场景预测准确，但这个预测本身就是错的（假阳性/假阴性），闭环评估才能真正验证安全性。
3. 数据集的地域偏差
nuScenes 数据采集于新加坡和波士顿，道路场景以欧美城市为主。UniAD 在中国、日本等左行国家或更复杂城市场景（如中国三四线城市）中的泛化能力没有充分验证。
4. 与竞品的比较
近年来端到端自动驾驶方案快速迭代：
UniAD 的核心贡献是「联合优化」的设计哲学，而非某个具体模型结构的突破。这一思想已被广泛借鉴，但 UniAD 本身在2026年已经不是性能最强的方案。
UniAD 获得 Best Paper 的核心原因，不是某个模块刷出了 SOTA，而是一种设计哲学的胜利：感知、预测、规划应该联合优化，而非各自为战。
这个观点说起来简单，但之前没有人用充分的实验证明它真的有效。UniAD 的实验覆盖了9个任务、6个数据集，不仅证明了联合优化确实能带来提升，还揭示了模块之间的正向迁移现象——训练规划任务时，运动预测任务反而变得更强，因为规划目标为整个网络提供了更好的特征表示。
UniAD 选择了完全开源：代码、模型权重、训练日志全部公开。这在自动驾驶研究领域并不常见，因为：
OpenDriveLab 的选择为社区提供了一个可复现的基准。任何人都可以下载代码，在相同数据集上验证结果，或在此基础上进行改进。这对于推动整个领域的发展至关重要。
UniAD 是什么？ 一个面向规划导向的端到端自动驾驶算法框架，将感知、预测、规划整合在统一网络中联合优化。
解决了什么问题？ 打破了传统自动驾驶系统中各模块独立优化、信息传递损耗、无法联合调优的困境。
适合谁用？ 自动驾驶研究方向的研究者、需要benchmark对比的学术工作者、对端到端自动驾驶感兴趣的工程师。
不适合谁？ 需要快速部署产品级自动驾驶系统的工程师、需要实时推理能力的应用开发者。
一句话评价：UniAD 的价值不在于它是否能在你的车上运行，而在于它证明了「联合优化」这条路走得通——这个思想将在未来很长时间内影响自动驾驶算法的设计方向。