自动驾驶复现 Smoke Test 路线

自动驾驶复现 Smoke Test 路线

类型 项目 · 更新 2026-07-20

标签 autonomous-driving · reproduction

所属 自动驾驶

本路线按工程可控性排序，不按论文名气排序。mini 数据和单卡环境的目标是验证链路，不是复现论文指标。

优先级	目标	数据	项目	成功标准
P0	验证 Python/CUDA/OpenMMLab 基础链路	KITTI	mmdetection3d	demo、dataloader、一次 train/eval 能跑。
P1	验证多相机 query/坐标链路	nuScenes mini	DETR3D, PETR, Sparse4D	info 生成、单 batch forward/loss 正常。
P2	验证 temporal BEV / vectorized planning	nuScenes mini + CAN bus	BEVFormer, VAD, SSR	temporal pkl、queue/history、prev_bev 或 planning 输入正常。
P3	验证 sparse E2E	nuScenes full 或裁剪配置	SparseDrive, UniAD	分阶段 head 能逐个 forward，完整训练暂不追。
P4	验证 NAVSIM trajectory scoring/diffusion	NAVSIM	GTRS, SparseDriveV2, DiffusionDrive	checkpoint inference 与评测脚本跑通。
P5	验证 nuPlan planning	nuPlan mini/full	PLUTO, DTPP	scenario loading、feature cache、planner simulation 正常。
P6	验证 motion prediction	Waymo Motion / AV2 Motion	MTR/MTR++	scenario 数据读取、forward、预测指标脚本正常。
P7	VLM/RL/world model 长期研究	QA/Bench2Drive/CARLA/3DGS	Senna, RAD, world model 项目	demo/inference 或环境 reset 跑通。

通用检查顺序

1. 数据软链和目录结构。
2. info/cache/anchor/vocabulary 生成。
3. import 和自定义 CUDA op 编译。
4. 单 batch dataloader。
5. 单次 forward。
6. loss 或 inference 输出 shape。
7. checkpoint load。
8. eval script 跑通。

记录位置

每次尝试复制复现实验记录模板，将记录放到对应项目目录并纳入 Git。