DriveSuprim: 面向精确轨迹选择的端到端规划
机器人学
2025-11-25 v3 人工智能
计算机视觉与模式识别
摘要
自动驾驶车辆必须在复杂的驾驶环境中安全导航。模仿单个专家轨迹的回归方法通常不显式评估预测轨迹的安全性。选择性方法通过生成和评分多个轨迹候选选项并预测每个选项的安全评分来解决此问题。然而，这些方法在从数千个候选选项中精确选择最佳选项方面面临优化挑战，尤其是在稀有和挑战性情景下的细微但安全关键性差异。我们提出DriveSuprim，通过分层粗到细的方法实现逐步候选筛选、基于旋转的数据增强方法提高外分布情景下的鲁棒性，以及自蒸馏框架稳定训练。DriveSuprim实现了最先进的性能，在 NAVSIM v1 中达到93.5% PDMS，在 NAVSIM v2 中达到87.1% EPDMS，无需额外数据，Bench2Drive基准上驾驶评分83.02，成功率60.00，展示了在各种驾驶情景中的优越规划能力。
引用
@article{arxiv.2506.06659,
title = {DriveSuprim: Towards Precise Trajectory Selection for End-to-End Planning},
author = {Wenhao Yao and Zhenxin Li and Shiyi Lan and Zi Wang and Xinglong Sun and Jose M. Alvarez and Zuxuan Wu},
journal= {arXiv preprint arXiv:2506.06659},
year = {2025}
}
备注
Accepted to AAAI 2026