PIE：面向自动驾驶的感知与交互增强端到端运动规划
机器人学
2025-09-24 v1
摘要
端到端运动规划在简化复杂的自动驾驶流程方面前景广阔。然而，场景理解以及面向决策的有效预测等挑战，仍然阻碍其大规模部署。本文提出 PIE，这是一个融合先进感知、推理与意图建模的先锋框架，旨在动态捕捉自车与周围智能体之间的交互。该框架引入双向 Mamba 融合，以解决相机与 LiDAR 输入在多模态融合中的数据压缩损失问题；同时采用一种结合 Mamba 与 Mixture-of-Experts 的新型推理增强解码器，以促进符合场景的锚点选择并优化自适应轨迹推断。PIE 采用动作-运动交互模块，有效利用周围智能体的状态预测来优化自车规划。所提框架在 NAVSIM 基准上进行了充分验证。在不使用任何集成和数据增强技术的情况下，PIE 取得了 88.9 的 PDM 分数和 85.6 的 EPDM 分数，超越了先前 SOTA 方法的性能。全面的定量和定性分析表明，PIE 能够可靠地生成可行且高质量的自车轨迹。
引用
@article{arxiv.2509.18609,
title = {PIE: Perception and Interaction Enhanced End-to-End Motion Planning for Autonomous Driving},
author = {Chengran Yuan and Zijian Lu and Zhanqi Zhang and Yimin Zhao and Zefan Huang and Shuo Sun and Jiawei Sun and Jiahui Li and Christina Dao Wen Lee and Dongen Li and Marcelo H. Ang},
journal= {arXiv preprint arXiv:2509.18609},
year = {2025}
}