认知层级引导的端到端自动驾驶规划
机器人学
2026-01-09 v3 计算机视觉与模式识别
摘要
尽管端到端自动驾驶取得了显著进展，但现有方法在感知和规划方面与人类认知原则仍存在根本性错位。本文提出 CogAD，一种模拟人类驾驶员层级认知机制的新型端到端自动驾驶模型。CogAD 实现了双重层级机制：用于类人感知的从全局到局部的上下文处理，以及用于认知启发式规划的意图条件多模态轨迹生成。所提方法展现出三大主要优势：通过层级感知实现全面的环境理解，通过多级规划实现稳健的规划探索，以及通过双层不确定性建模实现多样且合理的多模态轨迹生成。在 nuScenes 和 Bench2Drive 上的大量实验表明，CogAD 在端到端规划中取得了 SOTA 性能，在长尾场景中表现出特别的优越性，并对复杂的真实世界驾驶条件具有稳健的泛化能力。
引用
@article{arxiv.2505.21581,
title = {Cognitive-Hierarchy Guided End-to-End Planning for Autonomous Driving},
author = {Zhennan Wang and Jianing Teng and Canqun Xiang and Kangliang Chen and Xing Pan and Lu Deng and Weihao Gu},
journal= {arXiv preprint arXiv:2505.21581},
year = {2026}
}