DiffusionDrive方法概述
近年來，端到端自動駕駛成為研究熱點，其核心在于從傳感器數(shù)據(jù)直接學習駕駛決策。然而，駕駛行為本質(zhì)上是多模態(tài)的——同一場景下可能存在多種合理軌跡，例如在復雜路口，車輛可選擇左轉、右轉或直行。這種多樣性是提升自動駕駛魯棒性和安全性的關鍵，但現(xiàn)有方法往往受限于單一軌跡回歸或固定錨點采樣，難以全面建模駕駛決策空間。
擴散模型 (Diffusion Model) 憑借強大的多模態(tài)建模能力，已在機器人決策學習中得到驗證。其逐步去噪機制能從復雜數(shù)據(jù)分布中生成多樣性強、符合物理約束的軌跡，使其成為自動駕駛多模態(tài)規(guī)劃的理想選擇。然而，擴散模型直接應用于端到端自動駕駛仍面臨計算開銷高和模式崩潰 (Mode Collapse) 的問題——傳統(tǒng)擴散模型需多輪迭代去噪，導致推理速度難以滿足實時需求，同時在高度動態(tài)的交通場景下，生成軌跡往往趨于重疊，無法充分展現(xiàn)駕駛決策的多樣性。
為此，我們提出截斷擴散策略 (Truncated Diffusion Policy) ，結合多模態(tài)錨點先驗 (Multi-mode Anchors Prior) ，通過截斷擴散過程，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噪聲開始的冗長迭代，僅需2步即可完成高質(zhì)量軌跡推理，相比傳統(tǒng)擴散策略加速10倍。此外，我們設計了級聯(lián)擴散解碼器 (Cascade Diffusion Decoder) ，增強模型對場景信息的交互能力，提升軌跡預測精度。
我們提出的DiffusionDrive首次在端到端自動駕駛中引入擴散模型，并通過截斷擴散策略與級聯(lián)擴散解碼器，有效解決計算開銷與模式崩潰問題，為構建高效、魯棒的多模態(tài)自動駕駛規(guī)劃提供了新思路。
范式對比
對比不同的端到端自動駕駛范式：
(a) 單模態(tài)回歸方法，通過Ego Query機制直接預測單一軌跡，但忽略了駕駛行為的多模態(tài)特性，難以適應復雜交通場景。
(b) 預定義錨定軌跡采樣方法，通過固定的錨定軌跡集來離散化軌跡空間，并基于評分機制進行選擇，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，難以泛化到未見場景。
(c) 傳統(tǒng)擴散策略通過在高斯分布上迭代去噪來生成軌跡，能夠捕捉多模態(tài)駕駛行為，但由于去噪步驟多，計算成本高，并且在復雜交通環(huán)境中容易出現(xiàn)模式崩潰，導致軌跡多樣性不足。
(d) 我們提出的截斷擴散策略，通過引入錨定高斯分布，利用多模態(tài)錨點作為初始分布，使模型從更合理的軌跡分布開始去噪，從而顯著減少計算開銷，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大幅提升推理效率，使其更適用于實時自動駕駛。
截斷擴散策略
傳統(tǒng)擴散策略在端到端自動駕駛任務中的應用面臨兩大核心挑戰(zhàn)：高計算成本和模式崩潰。擴散模型的去噪過程通常需要多輪迭代，例如20輪，以逐步將純高斯噪聲轉化為可行的駕駛軌跡。然而，這種逐步推理方式導致計算開銷極高，難以滿足實時自動駕駛的要求。此外，由于自動駕駛場景高度動態(tài)且充滿不確定性，擴散模型從隨機噪聲生成軌跡時，可能會產(chǎn)生高度相似、甚至完全重疊的軌跡分布，導致模式崩潰，使得生成的軌跡多樣性不足，難以覆蓋真實世界中的駕駛決策空間。
為了解決這些問題，我們提出截斷擴散策略，通過結合多模態(tài)錨點先驗，優(yōu)化擴散模型的初始化和去噪過程，使其能夠從更合理的軌跡分布出發(fā)，而非從完全隨機的高斯噪聲開始。具體而言，我們首先在訓練數(shù)據(jù)中對駕駛軌跡進行聚類，得到一組代表性的錨點軌跡 (Anchor Trajectories) ，這些錨點能夠較好地覆蓋不同駕駛場景下的典型軌跡模式。在訓練時，我們不再讓模型從純隨機高斯分布中學習去噪，而是在錨點軌跡的基礎上添加少量噪聲，形成一個更具物理合理性的初始分布。相比于傳統(tǒng)擴散模型直接從隨機噪聲學習駕駛行為，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駕駛行為的軌跡分布中進行優(yōu)化。
在推理階段，我們直接從這些錨定的軌跡分布中采樣，而不是從完全隨機的高斯噪聲開始，并大幅縮短去噪過程，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)擴散策略加速10倍。此外，為了進一步提升軌跡的合理性，我們在去噪過程中引入了置信度評分機制 (Confidence Scoring Mechanism) ，通過對去噪后的軌跡進行動態(tài)評分，篩選出最符合物理約束和場景要求的軌跡。這種評分機制可以有效過濾掉異?；蛑丿B的軌跡，避免模式崩潰問題，使最終生成的軌跡既具備多樣性，又保持合理性。
此外，我們設計了一種級聯(lián)擴散解碼器，提升模型在去噪過程中的場景感知能力。傳統(tǒng)擴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，而我們的級聯(lián)擴散解碼器允許模型在每個去噪步驟中與環(huán)境感知信息進行多輪交互，通過層層遞進的方式優(yōu)化軌跡質(zhì)量。這種級聯(lián)機制結合了稀疏可變形注意力 (Sparse Deformable Attention) ，使得模型能夠高效地從鳥瞰視角 (BEV) 和透視視角 (PV) 提取關鍵信息，提升軌跡生成的穩(wěn)定性和魯棒性。
綜上，我們的截斷擴散策略不僅保留了擴散模型在多模態(tài)軌跡建模上的強大能力，還通過錨點先驗和去噪優(yōu)化，顯著提升了推理效率，并通過置信度評分和級聯(lián)解碼器，有效解決了模式崩潰問題，最終使得生成的駕駛軌跡更加貼近真實駕駛行為，使其更適用于實時自動駕駛系統(tǒng)。
實驗驗證
我們選擇采用更加嚴格的閉環(huán)評測方式，針對駕駛決策的數(shù)據(jù)集NAVSIM，來驗證我們的設計：
可以看到DiffusionDrive大幅領先之前所有的端到端方案，僅僅通過學習人類駕駛行為，不引入額外監(jiān)督與后處理，我們超過了之前的冠軍方案Hydra-MDP。
EP指標的明顯優(yōu)勢更是凸顯了DiffusionDrive方法的魯棒性。因為EP指標用于評測planning的完成度以及對干擾的魯棒性，而DiffusionDrive在這一指標上具有十分突出的優(yōu)勢。
在消融實驗中，顯示我們提出的截斷式擴散策略和設計的Diffusion Decoder相比于傳統(tǒng)擴散策略能夠帶來更高的planning質(zhì)量 (PDMS) ，更高的planning多模態(tài)特性 (D) ，更快的速度 (FPS) 。
可視化驗證
我們將模型在驗證集上推理得到的多模態(tài)軌跡可視化出來：
如上圖所示，我們不僅能夠輸出保守的跟車，也能夠輸出合理換道超車的行為。
上圖也是進一步驗證DiffusionDrive魯棒的多模態(tài)特性，輸出多樣化的planning軌跡能夠進一步與環(huán)境交互，避免碰撞。
上圖顯示DiffusionDrive還能和紅綠燈交互，所以在除了跟車行為之外的換道行為時，選擇停在停止線上，而模型在訓練中并沒有紅綠燈的標注，通過提出的范式，使得模型學習到了潛在的駕駛底層邏輯。
業(yè)務驗證
DiffusionDrive也在業(yè)務數(shù)據(jù)集上進行了規(guī)?；炞C。
總結
我們提出DiffusionDrive，一種基于擴散模型的端到端自動駕駛方法，以截斷擴散策略解決傳統(tǒng)擴散方法的高計算成本和模式崩潰問題。通過引入多模態(tài)錨點先驗，我們將去噪過程從錨定的高斯分布開始，而非從純隨機噪聲進行迭代，大幅減少計算量，僅需2步即可生成高質(zhì)量軌跡，相較于傳統(tǒng)擴散策略推理加速10倍。此外，我們設計了級聯(lián)擴散解碼器，結合場景感知信息逐步優(yōu)化軌跡，提升軌跡預測的多樣性和準確性。
實驗表明，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、軌跡多樣性和計算效率。相比現(xiàn)有SOTA方法，DiffusionDrive在保證實時性的同時，提高了20.8%軌跡精度，降低63.6%碰撞率。此外，我們更是在真實場景中驗證了DiffusionDrive的有效性。
本研究首次將截斷擴散策略引入端到端自動駕駛，突破了擴散模型計算開銷大、模式崩潰的瓶頸，為實時高效的多模態(tài)駕駛決策提供了一種全新范式。
