基于扩散模型的自动驾驶车辆鲁棒规划
机器人学
2025-07-17 v1 人工智能
摘要
高风险交通区域如交叉口是引发碰撞的主要原因之一。本研究利用深度生成模型来增强自动驾驶车辆在交叉口情境下的安全性。我们训练了一个1000步去噪扩散概率模型，用于生成自动驾驶车辆在通过四向交叉口时导致碰撞的传感器噪声序列。该噪声序列基于入侵者当前的相对位置和速度。通过生成对抗网络架构，将1000步模型蒸馏为单步去噪扩散模型，该模型在保持相似采样质量的同时实现了快速推理速度。我们展示了单步模型在为自动驾驶车辆构建鲁棒规划器中的一种可能应用。该规划器利用单步模型高效地基于当前测量的交通状态采样潜在失效案例，以 inform 其决策。通过仿真实验，鲁棒规划器在延迟率和失败率上显著低于基线智能驾驶模型控制器。
引用
@article{arxiv.2507.11991,
title = {Robust Planning for Autonomous Vehicles with Diffusion-Based Failure Samplers},
author = {Juanran Wang and Marc R. Schlichting and Mykel J. Kochenderfer},
journal= {arXiv preprint arXiv:2507.11991},
year = {2025}
}