StyleDrive

StyleDrive

StyleDrive项目旨在解决个性化端到端自动驾驶（E2EAD）领域的空白，首次提出了一个大规模真实世界数据集，并在此基础上构建了一个评估个性化E2EAD模型的基准。该项目通过结合静态道路拓扑和微调的视觉语言模型来提取上下文特征，并通过行为分析、VLM建模和人工验证的方式来获取客观和主观的驾驶偏好标签，从而构建了涵盖多样化驾驶风格标注的数据集。其核心贡献在于证明了通过对这些驾驶偏好进行条件化，E2EAD模型的驾驶行为能够更好地与人类驾驶习惯对齐，从而为开发以人为本的个性化自动驾驶系统奠定了基础，并通过详尽的实验结果和定性分析验证了这一能力。