DualShield：面向交互式自动驾驶的基于可达性分析的安全模型预测扩散

扩散模型已成为自动驾驶中多模态运动规划的一种强大方法。然而，其实际部署通常受到两个因素的阻碍：一是难以强制执行车辆动力学约束，二是严重依赖对其他智能体的准确预测，这使得它们在不确定交互下容易出现安全问题。为解决这些局限，我们引入了DualShield，这是一个以双重能力利用Hamilton-Jacobi可达性值函数的规划与控制框架。首先，值函数充当主动引导，将扩散去噪过程导向安全和动力学可行的区域。其次，它们使用控制屏障-值函数形成一个反应式安全屏障，以修正执行的动作并确保安全。这种双重机制保留了扩散模型丰富的探索能力，同时在不确定甚至对抗性交互下提供了原则性的安全保障。在具有挑战性的无保护掉头场景中的仿真表明，与来自不同规划范式的不确定性下的领先方法相比，DualShield显著提高了安全性和任务效率。