FocalAD：端到端自主驾驶的局部运动规划
人工智能
2026-05-12 v1 机器人学
摘要
在端到端自主驾驶中，运动预测在自车规划中起着关键作用。然而，现有方法通常依赖全局聚合的运动特征，忽略了规划决策主要受少量局部交互智能体影响的事实。未能关注这些关键的局部交互可能会掩盖潜在风险并削弱规划可靠性。在这项工作中，我们提出了 FocalAD，一个新颖的端到端自主驾驶框架，聚焦于关键局部邻居并通过增强局部运动表示来细化规划。具体而言，FocalAD 包含两个核心模块：自车-局部智能体交互器（ELAI）和焦点-局部智能体损失（FLA Loss）。ELAI 执行基于图的自车中心交互表示，捕捉与局部邻居的运动动态以增强自车规划和智能体运动查询。FLA Loss 增加决策关键邻居智能体的权重，引导模型优先关注与规划更相关的智能体。大量实验表明，FocalAD 在开放循环 nuScenes 数据集和闭环 Bench2Drive 基准上超越了现有最先进方法。值得注意的是，在面向鲁棒性的 Adv-nuScenes 数据集上，FocalAD 取得了更大的提升，与 DiffusionDrive 相比将平均碰撞率降低了 41.9%，与 SparseDrive 相比降低了 15.6%。
引用
@article{arxiv.2506.11419,
title = {FocalAD: Local Motion Planning for End-to-End Autonomous Driving},
author = {Bin Sun and Boao Zhang and Jiayi Lu and Xinjie Feng and Jiachen Shang and Rui Cao and Mengchao Zheng and Chuanye Wang and Shichun Yang and Yaoguang Cao and Ziying Song},
journal= {arXiv preprint arXiv:2506.11419},
year = {2026}
}