跳到正文
arXiv · 机器人与计算机视觉· Fabian Schmidt, Karol Fedurko, Markus Enzweiler, Abhinav Valada·· 2026-10-19精选AI 评分78

Expand-and-Prune:面向端到端自动驾驶的测试时候选空间自适应方法

Expand-and-Prune: Test-Time Candidate-Space Adaptation for End-to-End Autonomous Driving

AI 导读

针对稀疏规划器候选集有限且固定预算无法应对预测不确定性的问题,提出 Expand-and-Prune 框架。该方法利用语义驾驶意图和时序传播预测扩展原生候选集,并基于中间轨迹分数的不确定性进行自适应剪枝。

推荐理由

提出无需更新参数的测试时候选集自适应框架,在四个基准上提升规划性能并显著改善分布外场景表现。

来源:arXiv · 机器人与计算机视觉 · arxiv.org