跳到正文
arXiv · 机器人与计算机视觉· Ziming Liu, Yizhan Qu, Leichen Wang, Hao Sun·· 16 天前精选AI 评分78

DriftingPlanner:用于端到端自动驾驶的一步轨迹漂移生成模型

DriftingPlanner: Drifting Generative Models for One-Step Trajectory Planning in End-to-End Autonomous Driving

AI 导读

论文提出了 DriftingPlanner,这是一种基于漂移损失训练的轨迹规划器,无需坐标回归项即可通过一步推理解码自车轨迹。该方法将类条件图像生成的漂移技术迁移至规划场景,利用每场景的吸引 - 排斥场机制,在 NAVSIM navtest 基准上实现了 93.75 PDMS 的最优性能,其单步推理结果与最佳扩散或流匹配设置(需十步推理)仅差 0.13 PDMS。

推荐理由

提出 DriftingPlanner,通过训练端一步生成器实现端到端轨迹规划,在 NAVSIM navtest 上达到 SOTA 性能。

来源:arXiv · 机器人与计算机视觉 · arxiv.org