训练经验
poseaug¶
dropout sd map¶
数据提纯，加大 GoodHardEvent配比（model mining或云端影子模式）¶
随机drop imitation loss¶
正样本匹配逻辑（made最小/不压实线/anchor匹配）¶
如何解决因果混淆？比如红绿灯启停¶
1 vaug¶
2 drop 自车状态(历史轨迹)¶
3 论文中的做法（CILRS），用图像去预测下一时刻的速度，让模型学会用利用图像信息，而不是前一时刻的状态¶
4 数据¶
如何解决分布漂移？从错误中恢复出来¶
1 poseaug¶
2 数据¶
3 RL¶
其他trick¶
1 drop sdmap¶
超参数：¶
bev： （-50，110），（-32，32），40×16，640×256