CorrectAD：一种用于改进自动驾驶中端到端规划的自纠错智能体系统
计算机视觉与模式识别
2025-11-18 v1
摘要
端到端规划方法是当前自动驾驶系统的事实标准，而数据驱动方法的鲁棒性因长尾问题（即罕见但安全关键故障案例）而受到制约。在本文中，我们探讨了最近的基于扩散的视频生成方法（即世界模型），配合结构化 3D 布局，是否可以启用完全自动的管道来自行纠正此类故障案例。我们首先引入一个代理人扮演产品经理的角色，称为 PM-Agent，它 formulating 数据要求以收集类似故障案例的数据。然后，我们使用一个生成模型来模拟数据收集和标注。然而，现有的生成模型在 3D 布局条件下难以生成高保真数据。为此，我们提出了 DriveSora，它可以生成与 PM-Agent 请求的 3D 标注对齐的时空一致视频。我们将这些组件集成到我们的自纠错智能体系统 CorrectAD 中。重要的是，我们的管道是端到端且模型无关的，可以应用于改进任何端到端规划器。在 nuScenes 和更具挑战性的内部数据集上评估多个端到端规划器时，CorrectAD 可纠正 62.5% 和 49.8% 的故障案例，分别将碰撞率降低 39% 和 27%。
引用
@article{arxiv.2511.13297,
title = {CorrectAD: A Self-Correcting Agentic System to Improve End-to-end Planning in Autonomous Driving},
author = {Enhui Ma and Lijun Zhou and Tao Tang and Jiahuan Zhang and Junpeng Jiang and Zhan Zhang and Dong Han and Kun Zhan and Xueyang Zhang and XianPeng Lang and Haiyang Sun and Xia Zhou and Di Lin and Kaicheng Yu},
journal= {arXiv preprint arXiv:2511.13297},
year = {2025}
}