GMF-Drive：面向端到端自动驾驶的带空间感知 BEV 表征的门控 Mamba 融合

基于扩散的模型正在重新定义端到端自动驾驶的最新技术水平，但其性能日益受到对基于 Transformer 融合依赖的制约。这些架构面临根本性限制：二次计算复杂度限制了高分辨率特征的使用，而缺乏空间先验则阻碍了它们有效建模鸟瞰图（BEV）表征的固有结构。本文提出了 GMF-Drive（面向驾驶的门控 Mamba 融合），一个通过两项原则性创新克服这些挑战的端到端框架。首先，我们用一种几何增强的柱状格式取代了信息受限的基于直方图的 LiDAR 表征，该格式编码了形状描述符和统计特征，保留了关键的三维几何细节。其次，我们提出了一种新颖的分层门控 Mamba 融合（GM-Fusion）架构，用一个高效、具有空间感知能力的状态空间模型（SSM）替代了昂贵的 Transformer。其核心 BEV-SSM 利用方向性序列化和自适应融合机制，以线性复杂度捕获长距离依赖关系，同时明确尊重驾驶场景独特的空间属性。在具有挑战性的 NAVSIM 基准上的大量实验表明，GMF-Drive 达到了新的最先进性能，显著优于 DiffusionDrive。全面的消融研究验证了每个组件的有效性，证明在自动驾驶领域，特定任务的 SSM 在性能和效率上都能超越通用 Transformer。