Mimir：基于层次化目标驱动的带不确定性传播扩散方法用于端到端自动驾驶
机器人学
2025-12-09 v1 计算机视觉与模式识别
摘要
端到端自动驾驶已成为自动化系统领域的关键发展方向。最近的研究表明，通过融合高层次指导信号来引导低层轨迹规划器，可实现令人瞩目的性能。然而，这些方法常受限于高层指导信息的不准确性以及复杂指导模块的计算开销。为此，我们提出了 Mimir，这是一个新型的层次化双系统框架，能够依据带有不确定性估计的目标点生成稳健的轨迹：（1）不同于以往确定性建模的方法，我们采用拉普拉斯分布对目标点不确定性进行估计，以提升鲁棒性；（2）为克服指导系统的推理速度较慢的局限，我们引入一种多速率指导机制，提前预测扩展目标点。经流�济在具有挑战性的 Navhard 和 Navtest 基准测试中验证，Mimir 相较于先前的领先方法，在驾驶评分 EPDMS 上实现了 20% 的提升，同时在高层次模块推理速度上实现了 1.6 倍的提升，同时不损害准确性。该代码和模型将很快公开，以促进可重复性和进一步发展。代码已发布于 https://github.com/ZebinX/Mimir-Uncertainty-Driving
引用
@article{arxiv.2512.07130,
title = {Mimir: Hierarchical Goal-Driven Diffusion with Uncertainty Propagation for End-to-End Autonomous Driving},
author = {Zebin Xing and Yupeng Zheng and Qichao Zhang and Zhixing Ding and Pengxuan Yang and Songen Gu and Zhongpu Xia and Dongbin Zhao},
journal= {arXiv preprint arXiv:2512.07130},
year = {2025}
}