ExpertAD：通过混合专家模型提升自动驾驶系统
机器人学
2025-11-18 v1 人工智能
摘要
近期的端到端自动驾驶系统 (ADSs) 进展凸显了其在感知和规划方面的潜力。然而，仍存在挑战。复杂的驾驶场景包含丰富的语义信息，但歧义或噪声的语义可能损害决策可靠性，同时，多个驾驶任务之间的相互干扰可能阻碍最佳规划。此外，推理延迟的延长会减慢决策过程，增加不安全驾驶行为的风险。为此，我们提出 ExpertAD，一种新型框架通过混合专家 (MoE) 架构增强 ADS 的性能。我们引入感知适配器 (PA) 以放大任务关键特征，确保情境相关的场景理解，并引入稀疏混合专家 (MoSE) 以最小化预测中的任务干扰，实现有效且高效的规划。我们的实验表明，ExpertAD 在碰撞率降低最高可达 20%，推理延迟降低 25%。我们进一步评估了其在罕见场景（如事故、让行紧急车辆）中的多技能规划能力，并在未见的城市环境中展示了强大的泛化能力。此外，我们提出了一个案例研究，说明其在复杂驾驶场景中的决策过程。
引用
@article{arxiv.2511.11740,
title = {ExpertAD: Enhancing Autonomous Driving Systems with Mixture of Experts},
author = {Haowen Jiang and Xinyu Huang and You Lu and Dingji Wang and Yuheng Cao and Chaofeng Sha and Bihuan Chen and Keyu Chen and Xin Peng},
journal= {arXiv preprint arXiv:2511.11740},
year = {2025}
}
备注
The paper has been accepted by the Fortieth AAAI Conference on Artificial Intelligence. AAAI 2026