近年來(lái)，端到端自動(dòng)駕駛成為研究熱點(diǎn)，其核心在于從傳感器數(shù)據(jù)直接學(xué)習(xí)駕駛決策。然而，駕駛行為本質(zhì)上是多模態(tài)的——同一場(chǎng)景下可能存在多種合理軌跡，例如在復(fù)雜路口，車(chē)輛可選擇左轉(zhuǎn)、右轉(zhuǎn)或直行。這種多樣性是提升自動(dòng)駕駛魯棒性和安全性的關(guān)鍵，但現(xiàn)有方法往往受限于單一軌跡回歸或固定錨點(diǎn)采樣，難以全面建模駕駛決策空間。

擴(kuò)散模型 (Diffusion Model) 憑借強(qiáng)大的多模態(tài)建模能力，已在機(jī)器人決策學(xué)習(xí)中得到驗(yàn)證。其逐步去噪機(jī)制能從復(fù)雜數(shù)據(jù)分布中生成多樣性強(qiáng)、符合物理約束的軌跡，使其成為自動(dòng)駕駛多模態(tài)規(guī)劃的理想選擇。然而，擴(kuò)散模型直接應(yīng)用于端到端自動(dòng)駕駛?cè)悦媾R計(jì)算開(kāi)銷(xiāo)高和模式崩潰 (Mode Collapse) 的問(wèn)題——傳統(tǒng)擴(kuò)散模型需多輪迭代去噪，導(dǎo)致推理速度難以滿足實(shí)時(shí)需求，同時(shí)在高度動(dòng)態(tài)的交通場(chǎng)景下，生成軌跡往往趨于重疊，無(wú)法充分展現(xiàn)駕駛決策的多樣性。

為此，我們提出截?cái)鄶U(kuò)散策略 (Truncated Diffusion Policy) ，結(jié)合多模態(tài)錨點(diǎn)先驗(yàn) (Multi-mode Anchors Prior) ，通過(guò)截?cái)鄶U(kuò)散過(guò)程，使模型從錨定的高斯分布 (Anchored Gaussian Distribution) 直接去噪至多模態(tài)駕駛軌跡分布。該方法避免了從純隨機(jī)噪聲開(kāi)始的冗長(zhǎng)迭代，僅需2步即可完成高質(zhì)量軌跡推理，相比傳統(tǒng)擴(kuò)散策略加速10倍。此外，我們?cè)O(shè)計(jì)了級(jí)聯(lián)擴(kuò)散解碼器 (Cascade Diffusion Decoder) ，增強(qiáng)模型對(duì)場(chǎng)景信息的交互能力，提升軌跡預(yù)測(cè)精度。

我們提出的DiffusionDrive首次在端到端自動(dòng)駕駛中引入擴(kuò)散模型，并通過(guò)截?cái)鄶U(kuò)散策略與級(jí)聯(lián)擴(kuò)散解碼器，有效解決計(jì)算開(kāi)銷(xiāo)與模式崩潰問(wèn)題，為構(gòu)建高效、魯棒的多模態(tài)自動(dòng)駕駛規(guī)劃提供了新思路。

范式對(duì)比

對(duì)比不同的端到端自動(dòng)駕駛范式：

(a) 單模態(tài)回歸方法，通過(guò)Ego Query機(jī)制直接預(yù)測(cè)單一軌跡，但忽略了駕駛行為的多模態(tài)特性，難以適應(yīng)復(fù)雜交通場(chǎng)景。

(b) 預(yù)定義錨定軌跡采樣方法，通過(guò)固定的錨定軌跡集來(lái)離散化軌跡空間，并基于評(píng)分機(jī)制進(jìn)行選擇，雖然能夠一定程度上捕捉多模態(tài)行為，但受限于錨定軌跡數(shù)量和分布，難以泛化到未見(jiàn)場(chǎng)景。

(c) 傳統(tǒng)擴(kuò)散策略通過(guò)在高斯分布上迭代去噪來(lái)生成軌跡，能夠捕捉多模態(tài)駕駛行為，但由于去噪步驟多，計(jì)算成本高，并且在復(fù)雜交通環(huán)境中容易出現(xiàn)模式崩潰，導(dǎo)致軌跡多樣性不足。

(d) 我們提出的截?cái)鄶U(kuò)散策略，通過(guò)引入錨定高斯分布，利用多模態(tài)錨點(diǎn)作為初始分布，使模型從更合理的軌跡分布開(kāi)始去噪，從而顯著減少計(jì)算開(kāi)銷(xiāo)，僅需少量去噪步驟即可生成高質(zhì)量的多模態(tài)軌跡，在保證多樣性的同時(shí)大幅提升推理效率，使其更適用于實(shí)時(shí)自動(dòng)駕駛。

截?cái)鄶U(kuò)散策略

傳統(tǒng)擴(kuò)散策略在端到端自動(dòng)駕駛?cè)蝿?wù)中的應(yīng)用面臨兩大核心挑戰(zhàn)：高計(jì)算成本和模式崩潰。擴(kuò)散模型的去噪過(guò)程通常需要多輪迭代，例如20輪，以逐步將純高斯噪聲轉(zhuǎn)化為可行的駕駛軌跡。然而，這種逐步推理方式導(dǎo)致計(jì)算開(kāi)銷(xiāo)極高，難以滿足實(shí)時(shí)自動(dòng)駕駛的要求。此外，由于自動(dòng)駕駛場(chǎng)景高度動(dòng)態(tài)且充滿不確定性，擴(kuò)散模型從隨機(jī)噪聲生成軌跡時(shí)，可能會(huì)產(chǎn)生高度相似、甚至完全重疊的軌跡分布，導(dǎo)致模式崩潰，使得生成的軌跡多樣性不足，難以覆蓋真實(shí)世界中的駕駛決策空間。

為了解決這些問(wèn)題，我們提出截?cái)鄶U(kuò)散策略，通過(guò)結(jié)合多模態(tài)錨點(diǎn)先驗(yàn)，優(yōu)化擴(kuò)散模型的初始化和去噪過(guò)程，使其能夠從更合理的軌跡分布出發(fā)，而非從完全隨機(jī)的高斯噪聲開(kāi)始。具體而言，我們首先在訓(xùn)練數(shù)據(jù)中對(duì)駕駛軌跡進(jìn)行聚類(lèi)，得到一組代表性的錨點(diǎn)軌跡 (Anchor Trajectories) ，這些錨點(diǎn)能夠較好地覆蓋不同駕駛場(chǎng)景下的典型軌跡模式。在訓(xùn)練時(shí)，我們不再讓模型從純隨機(jī)高斯分布中學(xué)習(xí)去噪，而是在錨點(diǎn)軌跡的基礎(chǔ)上添加少量噪聲，形成一個(gè)更具物理合理性的初始分布。相比于傳統(tǒng)擴(kuò)散模型直接從隨機(jī)噪聲學(xué)習(xí)駕駛行為，這種方式大幅減少了去噪步驟的需求，讓模型可以從更接近真實(shí)駕駛行為的軌跡分布中進(jìn)行優(yōu)化。

在推理階段，我們直接從這些錨定的軌跡分布中采樣，而不是從完全隨機(jī)的高斯噪聲開(kāi)始，并大幅縮短去噪過(guò)程，僅需2輪去噪步驟即可生成高質(zhì)量的駕駛軌跡，相比傳統(tǒng)擴(kuò)散策略加速10倍。此外，為了進(jìn)一步提升軌跡的合理性，我們?cè)谌ピ脒^(guò)程中引入了置信度評(píng)分機(jī)制 (Confidence Scoring Mechanism) ，通過(guò)對(duì)去噪后的軌跡進(jìn)行動(dòng)態(tài)評(píng)分，篩選出最符合物理約束和場(chǎng)景要求的軌跡。這種評(píng)分機(jī)制可以有效過(guò)濾掉異?；蛑丿B的軌跡，避免模式崩潰問(wèn)題，使最終生成的軌跡既具備多樣性，又保持合理性。

此外，我們?cè)O(shè)計(jì)了一種級(jí)聯(lián)擴(kuò)散解碼器，提升模型在去噪過(guò)程中的場(chǎng)景感知能力。傳統(tǒng)擴(kuò)散模型通常采用單步解碼，即直接在每一步去噪后輸出軌跡，而我們的級(jí)聯(lián)擴(kuò)散解碼器允許模型在每個(gè)去噪步驟中與環(huán)境感知信息進(jìn)行多輪交互，通過(guò)層層遞進(jìn)的方式優(yōu)化軌跡質(zhì)量。這種級(jí)聯(lián)機(jī)制結(jié)合了稀疏可變形注意力 (Sparse Deformable Attention) ，使得模型能夠高效地從鳥(niǎo)瞰視角 (BEV) 和透視視角 (PV) 提取關(guān)鍵信息，提升軌跡生成的穩(wěn)定性和魯棒性。

綜上，我們的截?cái)鄶U(kuò)散策略不僅保留了擴(kuò)散模型在多模態(tài)軌跡建模上的強(qiáng)大能力，還通過(guò)錨點(diǎn)先驗(yàn)和去噪優(yōu)化，顯著提升了推理效率，并通過(guò)置信度評(píng)分和級(jí)聯(lián)解碼器，有效解決了模式崩潰問(wèn)題，最終使得生成的駕駛軌跡更加貼近真實(shí)駕駛行為，使其更適用于實(shí)時(shí)自動(dòng)駕駛系統(tǒng)。

實(shí)驗(yàn)驗(yàn)證

我們選擇采用更加嚴(yán)格的閉環(huán)評(píng)測(cè)方式，針對(duì)駕駛決策的數(shù)據(jù)集NAVSIM，來(lái)驗(yàn)證我們的設(shè)計(jì)：

可以看到DiffusionDrive大幅領(lǐng)先之前所有的端到端方案，僅僅通過(guò)學(xué)習(xí)人類(lèi)駕駛行為，不引入額外監(jiān)督與后處理，我們超過(guò)了之前的冠軍方案Hydra-MDP。

EP指標(biāo)的明顯優(yōu)勢(shì)更是凸顯了DiffusionDrive方法的魯棒性。因?yàn)镋P指標(biāo)用于評(píng)測(cè)planning的完成度以及對(duì)干擾的魯棒性，而DiffusionDrive在這一指標(biāo)上具有十分突出的優(yōu)勢(shì)。

在消融實(shí)驗(yàn)中，顯示我們提出的截?cái)嗍綌U(kuò)散策略和設(shè)計(jì)的Diffusion Decoder相比于傳統(tǒng)擴(kuò)散策略能夠帶來(lái)更高的planning質(zhì)量 (PDMS) ，更高的planning多模態(tài)特性 (D) ，更快的速度 (FPS) 。

可視化驗(yàn)證

我們將模型在驗(yàn)證集上推理得到的多模態(tài)軌跡可視化出來(lái)：

如上圖所示，我們不僅能夠輸出保守的跟車(chē)，也能夠輸出合理?yè)Q道超車(chē)的行為。

上圖也是進(jìn)一步驗(yàn)證DiffusionDrive魯棒的多模態(tài)特性，輸出多樣化的planning軌跡能夠進(jìn)一步與環(huán)境交互，避免碰撞。

上圖顯示DiffusionDrive還能和紅綠燈交互，所以在除了跟車(chē)行為之外的換道行為時(shí)，選擇停在停止線上，而模型在訓(xùn)練中并沒(méi)有紅綠燈的標(biāo)注，通過(guò)提出的范式，使得模型學(xué)習(xí)到了潛在的駕駛底層邏輯。

業(yè)務(wù)驗(yàn)證

DiffusionDrive也在業(yè)務(wù)數(shù)據(jù)集上進(jìn)行了規(guī)?；?yàn)證。下面是實(shí)車(chē)測(cè)試的視頻：

總結(jié)

我們提出DiffusionDrive，一種基于擴(kuò)散模型的端到端自動(dòng)駕駛方法，以截?cái)鄶U(kuò)散策略解決傳統(tǒng)擴(kuò)散方法的高計(jì)算成本和模式崩潰問(wèn)題。通過(guò)引入多模態(tài)錨點(diǎn)先驗(yàn)，我們將去噪過(guò)程從錨定的高斯分布開(kāi)始，而非從純隨機(jī)噪聲進(jìn)行迭代，大幅減少計(jì)算量，僅需2步即可生成高質(zhì)量軌跡，相較于傳統(tǒng)擴(kuò)散策略推理加速10倍。此外，我們?cè)O(shè)計(jì)了級(jí)聯(lián)擴(kuò)散解碼器，結(jié)合場(chǎng)景感知信息逐步優(yōu)化軌跡，提升軌跡預(yù)測(cè)的多樣性和準(zhǔn)確性。

實(shí)驗(yàn)表明，DiffusionDrive在NAVSIM和nuScenes數(shù)據(jù)集上均取得最優(yōu)表現(xiàn)，顯著提升了規(guī)劃質(zhì)量、軌跡多樣性和計(jì)算效率。相比現(xiàn)有SOTA方法，DiffusionDrive在保證實(shí)時(shí)性的同時(shí)，提高了20.8%軌跡精度，降低63.6%碰撞率。此外，我們更是在真實(shí)場(chǎng)景中驗(yàn)證了DiffusionDrive的有效性。

本研究首次將截?cái)鄶U(kuò)散策略引入端到端自動(dòng)駕駛，突破了擴(kuò)散模型計(jì)算開(kāi)銷(xiāo)大、模式崩潰的瓶頸，為實(shí)時(shí)高效的多模態(tài)駕駛決策提供了一種全新范式。