广义轨迹评分：端到端多模态规划

端到端多模态规划是自动驾驶中的一种有前景的范式，能够利用多样化的轨迹候选方案进行决策。其关键组件是能够从这些候选方案中选择最优轨迹的鲁棒轨迹评分器。虽然近期的轨迹评分器要么专注于对大量静态轨迹进行评分，要么专注于对小规模动态生成轨迹进行评分，但两种方法在泛化性方面都面临显著局限。静态词汇表虽然能提供有效的粗糙离散化，但难以进行细粒度的适应；而动态提议虽然提供详细的精确性，却无法捕捉更广泛的轨迹分布。为克服这些挑战，我们提出了GTRS（Generalized Trajectory Scoring），一个用于端到端多模态规划的统一框架，融合了粗粒度和细粒度轨迹评估。GTRS由三个互补创新构成：(1)基于扩散的轨迹生成器，产生多样化的细粒度提案；(2)词汇表泛化技术，通过在超稠密轨迹集上训练并采用dropout正则化，使评分器能够在更小的子集上进行稳健推断；(3)传感器增强策略，提高越域泛化能力，同时纳入精炼训练以实现关键轨迹的判别。作为Navsim v2挑战的获胜方案，GTRS即使在次优传感器输入下，也展现出卓越的性能，接近依赖真实感知的特权方法。代码将在https://github.com/NVlabs/GTRS提供。