摘要
为提升无人地面车辆在智慧城市、灾难救援及基础设施检查中的智能水平，本文研究了多模态融合端到端架构的协同优化方法。通过异构特征的动态对齐、多头蒸馏注意力机制以及并行决策规划，构建了一个高精度、低延迟的闭环自主导航框架。本文提出了一种基于多头蒸馏注意力的轨迹预测方法（MDA-TP），该方法将基于BEVFormer的多模态融合感知模型与两阶段渐进式知识蒸馏框架相结合。在NuScenes数据集上，该方法的平均绝对误差为0.88米，平均距离误差为1.32米（分别降低了4.34%和10.81%），碰撞率为15.2%，模型参数量为4260万，延迟时间为46毫秒。实验表明，去除注意力蒸馏机制会使平均距离误差增加13.6%。为验证系统性能，研究人员搭建了多传感器无人地面车辆平台。通过NuScenes在线测试以及实际场景下的闭环验证，其欧几里得偏差始终控制在0.5米以内。与传统蒸馏方法相比，该方法的速度预测均方误差减少了51.5%，车轮角度均方根误差减少了58.4%，路径完成率从60.99%提升至97.26%。这些研究成果为智慧城市、灾难救援及基础设施检查领域的自动驾驶技术提供了实用支撑。
