GoalFlow：端到端自动驾驶中用于多模态轨迹生成的目标驱动流匹配
计算机视觉与模式识别
2025-10-02 v6
摘要
我们提出了 GoalFlow，一种用于生成高质量多模态轨迹的端到端自动驾驶方法。在自动驾驶场景中，很少存在单一合适的轨迹。近期方法越来越关注对多模态轨迹分布进行建模。然而，由于较高的轨迹发散以及引导与场景信息之间的不一致，它们面临轨迹选择复杂性和轨迹质量下降的问题。为了解决这些问题，我们引入了 GoalFlow，一种有效约束生成过程以产生高质量、多模态轨迹的新方法。为了解决基于扩散方法中固有的轨迹发散问题，GoalFlow 通过引入目标点来约束生成的轨迹。GoalFlow 建立了一种新颖的评分机制，根据场景信息从候选点中选择最合适的目标点。此外，GoalFlow 采用了一种高效的生成方法 Flow Matching 来生成多模态轨迹，并结合精细的评分机制从候选轨迹中选择最优轨迹。我们在 Navsim\cite{Dauner2024_navsim} 上验证的实验结果表明，GoalFlow 实现了 SOTA 性能，为自动驾驶提供了稳健的多模态轨迹。GoalFlow 达到了 90.3 的 PDMS，显著超越其他方法。与其他基于扩散策略的方法相比，我们的方法仅需单次去噪步骤即可获得出色的性能。代码可在 https://github.com/YvanYin/GoalFlow 获取。
关键词
引用
@article{arxiv.2503.05689,
title = {GoalFlow: Goal-Driven Flow Matching for Multimodal Trajectories Generation in End-to-End Autonomous Driving},
author = {Zebin Xing and Xingyu Zhang and Yang Hu and Bo Jiang and Tong He and Qian Zhang and Xiaoxiao Long and Wei Yin},
journal= {arXiv preprint arXiv:2503.05689},
year = {2025}
}