Vec-QMDP：面向实时自动驾驶的 CPU 原生向量化 POMDP 规划
机器人学
2026-02-10 v1
摘要
针对自动驾驶等实际机器人任务的不确定性规划，需要在庞大的高维信念空间中进行推理，这使得问题计算负担沉重。虽然并行化可提升规模性，但现有基于 CPU-GPU 混合求解器因主机-设备同步延迟及 SIMT 架构分支发散等关键瓶颈，难以满足实时规划需求，阻碍了实机器人部署。我们提出 Vec-QMDP，一种面向现代 CPU SIMD 架构的 CPU 原生并行规划器，实现了 -- 的加速。Vec-QMDP 采用数据导向设计（DOD），将分散的指针数据结构重构为连续、高效的缓存布局。进一步引入层次化并行方案：将子树分布到独立的 CPU 核心和 SIMD 车道上，实现完全向量化的树展开与碰撞检测。借助 UCB 负载均衡和向量化 STR 树进行粗略碰撞检测，最大化效率。评估大规模自动驾驶基准后，Vec-QMDP 实现了业界最佳的规划性能，延迟达到毫秒级，确立了 CPU 作为大规模不确定性规划的高性能计算平台。
引用
@article{arxiv.2602.08334,
title = {Vec-QMDP: Vectorized POMDP Planning on CPUs for Real-Time Autonomous Driving},
author = {Xuanjin Jin and Yanxin Dong and Bin Sun and Huan Xu and Zhihui Hao and XianPeng Lang and Panpan Cai},
journal= {arXiv preprint arXiv:2602.08334},
year = {2026}
}