DiffusionDrive：用於端到端自動駕駛的截斷擴散模型

Core Concepts

本文提出了一種名為 DiffusionDrive 的新型生成式駕駛決策模型，用於端到端自動駕駛，該模型採用截斷擴散策略和高效的級聯擴散解碼器，能夠從錨定高斯分佈中對可變數量的樣本進行去噪，從而實時生成多樣化的規劃軌跡。

Abstract

論文資訊

標題：DiffusionDrive：用於端到端自動駕駛的截斷擴散模型
作者：Bencheng Liao, Shaoyu Chen, Haoran Yin, Bo Jiang, Cheng Wang, Sixu Yan, Xinbang Zhang, Xiangyu Li, Ying Zhang, Qian Zhang, Xinggang Wang
發表日期：2024 年 11 月 22 日

研究目標

本研究旨在解決現有端到端自動駕駛模型在處理駕駛行為的不確定性和多模態特性方面的局限性，特別是在實時生成多樣化和合理的駕駛動作方面。

方法

研究提出了一種名為 DiffusionDrive 的新型生成式駕駛決策模型，該模型結合了截斷擴散策略和高效的級聯擴散解碼器。

• 截斷擴散策略：不同於從標準高斯分佈中取樣隨機噪聲的傳統擴散策略，截斷擴散策略從錨定高斯分佈開始去噪過程。這種方法將高斯分佈劃分為以先驗錨點為中心的多个子高斯分佈，這些錨點代表了人類駕駛的固定模式。通過截斷擴散過程，模型只需添加少量的高斯噪聲來擴散錨點軌跡，從而減少了去噪步驟，提高了效率。

• 級聯擴散解碼器：為了增強與環境的交互，研究設計了一種基於 Transformer 的高效擴散解碼器。該解碼器不僅與感知模塊提供的結構化查詢交互，還通過稀疏可變形注意力機制與鳥瞰圖 (BEV) 和透視圖 (PV) 特徵交互。此外，還引入了級聯機制，在每個去噪步驟中迭代地細化軌跡重建。

主要發現

• DiffusionDrive 在規劃導向的 NAVSIM 數據集上，使用非反應式模擬和閉環指標進行評估，取得了顯著的性能提升。
• DiffusionDrive 在 NAVSIM 數據集的 navtest 測試集上，使用對齊的 ResNet-34 骨幹網絡，達到了 88.1 PDMS 的分數，顯著優於現有的基於學習的方法。
• 與需要 8192 個錨點的 VADv2 相比，DiffusionDrive 在將錨點數量減少到 20 個的同時，性能提升了 7.2 PDMS。
• DiffusionDrive 也優於採用 VADv2 的基於詞彙表取樣的範例的 Hydra-MDP，PDMS 提升了 5.1。
• 即使與 Hydra-MDP-V8192-W-EP 相比，DiffusionDrive 仍然在 EP 和整體 PDMS 方面分別提升了 3.5 和 1.6，而 Hydra-MDP-V8192-W-EP 是 Hydra-MDP 的一個變體，通過額外的監督訓練以適應 EP 評估指標，並使用加權置信度後處理。
• 與僅在規劃模塊上有所不同的 Transfuser 基線相比，DiffusionDrive 的 PDMS 提升了 4.1，並且在所有子分數上都優於 Transfuser。

主要結論

DiffusionDrive 是一種用於端到端自動駕駛的新型生成式駕駛決策模型，它採用截斷擴散策略和高效的級聯擴散解碼器，能夠實時生成多樣化和合理的駕駛軌跡。實驗結果表明，DiffusionDrive 在規劃質量、運行效率和模式多樣性方面均優於現有方法。

意義

本研究為端到端自動駕駛提供了一種新的思路，即利用生成式擴散模型來解決駕駛決策問題。所提出的截斷擴散策略和級聯擴散解碼器為提高模型效率和性能提供了有效的解決方案。

局限性和未來研究方向

• 本研究主要關注基於視覺的感知輸入，未來可以探索融合其他傳感器信息，例如激光雷達和高清地圖，以進一步提高模型在複雜場景下的性能。
• 未來可以研究如何將 DiffusionDrive 擴展到多智能體場景，例如預測其他車輛和行人的運動軌跡，以實現更安全可靠的自動駕駛。

Stats

DiffusionDrive 在 NAVSIM 數據集的 navtest 測試集上達到了 88.1 PDMS 的分數。
與 VADv2 相比，DiffusionDrive 在將錨點數量從 8192 個減少到 20 個的同時，性能提升了 7.2 PDMS。
與 Transfuser 基線相比，DiffusionDrive 的 PDMS 提升了 4.1。
DiffusionDrive 的推理速度為每秒 45 幀 (FPS)。

Quotes

"Unlike existing multi-mode planning approaches, we propose a novel paradigm that leverages powerful generative diffusion models for end-to-end autonomous driving."
"With these innovations, we present DiffusionDrive, a diffusion model for real-time end-to-end autonomous driving."
"Without bells and whistles, DiffusionDrive significantly outperforms previous state-of-the-art methods, achieving a record-breaking 88.1 PDMS on the NAVSIM navtest split with the same backbone, while maintaining real-time performance at 45 FPS on an NVIDIA 4090."

Key Insights Distilled From

DiffusionDrive: Truncated Diffusion Model for End-to-End Autonomous Driving

by Bencheng Lia... at arxiv.org 11-25-2024

https://arxiv.org/pdf/2411.15139.pdf

Deeper Inquiries

DiffusionDrive 如何與基於規則的系統和安全機制相結合，以確保在現實世界駕駛場景中的安全性和可靠性？

DiffusionDrive 主要基於從人類駕駛數據中學習的生成式模型，雖然在生成多樣化且高質量的駕駛軌跡方面展現出強大的能力，但在面對複雜多變的現實世界駕駛場景時，仍需要與基於規則的系統和安全機制相結合，才能確保安全性和可靠性。以下是一些可行的結合方式：

後處理安全檢查: 在 DiffusionDrive 生成駕駛軌跡後，可以引入基於規則的系統對其進行安全檢查，例如碰撞檢測、交通規則約束等。如果檢測到潛在風險，可以拒絕 DiffusionDrive 的規劃結果，並啟用基於規則的系統進行安全接管，或引導 DiffusionDrive 重新生成更安全的軌跡。
混合規劃架構: 將 DiffusionDrive 與基於規則的規劃器結合，構建混合規劃架構。例如，可以使用基於規則的規劃器生成全局路線規劃，而 DiffusionDrive 則負責局部路徑規劃和決策，充分發揮各自優勢。
安全約束訓練: 在訓練 DiffusionDrive 時，可以將安全約束作為懲罰項加入損失函數，例如對碰撞、超速、違規等行為進行懲罰，從而讓模型學習生成更安全的駕駛策略。
安全機制整合: 將車輛的緊急制動系統、車道保持系統等安全機制與 DiffusionDrive 整合，在 DiffusionDrive 無法應對突發情況時，安全機制可以及時介入，確保行車安全。
總之， DiffusionDrive 並非要完全取代基於規則的系統和安全機制，而是作為一種強大的補充，通過與這些機制的有效結合，才能更好地應對現實世界駕駛場景的複雜性和不確定性，實現安全可靠的自動駕駛。

在處理複雜和不可預測的駕駛環境（例如惡劣天氣、道路施工和行人行為）時，DiffusionDrive 的魯棒性如何？

DiffusionDrive 的魯棒性在處理複雜和不可預測的駕駛環境時仍面臨挑戰。雖然論文中提到 DiffusionDrive 在 NAVSIM 數據集上表現優異，但該數據集主要關注動態駕駛意圖變化，對於惡劣天氣、道路施工和複雜行人行為等複雜場景的覆蓋度有限。
以下是一些 DiffusionDrive 在處理複雜駕駛環境時可能面臨的挑戰和可能的解決方案：

數據偏差: DiffusionDrive 的性能高度依賴於訓練數據的質量和多樣性。如果訓練數據缺乏對惡劣天氣、道路施工等場景的充分覆蓋，模型在面對這些場景時可能會出現預測偏差或失效。解決方案包括：收集更多樣化的數據、使用數據增強技術模擬複雜場景、引入領域自適應技術提升模型泛化能力等。
感知模組的局限性: DiffusionDrive 的輸入依賴於感知模組提供的環境信息。在惡劣天氣下，感知模組的性能可能會下降，導致 DiffusionDrive 無法準確感知環境並做出正確決策。解決方案包括：提升感知模組在惡劣天氣下的魯棒性、融合多種傳感器信息以提高感知精度等。
對突發事件的應變能力: DiffusionDrive 的決策基於對未來軌跡的預測，對於突發事件（例如行人突然衝出）的應變能力有限。解決方案包括：縮短規劃時域、提高模型更新頻率、結合基於規則的系統進行緊急避障等。
總之， DiffusionDrive 在處理複雜和不可預測的駕駛環境時仍有提升空間。未來研究方向包括：構建更全面的評測基準、提升模型對複雜場景的泛化能力、與其他安全機制和規劃方法結合等，以提高自動駕駛系統在複雜環境下的安全性和可靠性。

DiffusionDrive 的成功是否暗示著生成式 AI 模型在解決其他需要複雜決策和規劃的機器人任務（例如自動導航和操作）方面具有更廣泛的適用性？

是的，DiffusionDrive 的成功展現了生成式 AI 模型在解決需要複雜決策和規劃的機器人任務方面的巨大潛力，例如自動導航、操作、人機交互等。

自動導航: 與自動駕駛類似，自動導航也需要機器人根據環境信息規劃出一條安全高效的路徑。DiffusionDrive 的核心思想，例如從數據中學習多模態軌跡分佈、使用條件信息引導軌跡生成等，可以應用於自動導航任務，提升機器人在複雜環境中的導航能力。
機器人操作: 機器人操作需要精確控制機械臂完成抓取、放置、組裝等任務。DiffusionDrive 可以用於生成連續且符合物理約束的機械臂運動軌跡，提升機器人操作的靈活性和效率。
人機交互: 在人機交互場景中，機器人需要理解人類意圖並做出合理的回應。DiffusionDrive 可以用於生成多樣化且符合人類預期的動作序列，提升人機交互的自然度和流暢性。
除了上述應用，生成式 AI 模型在其他機器人領域也展現出廣闊的應用前景，例如：

機器人學習: 生成式模型可以用於生成訓練數據，解決機器人學習中數據不足的問題。
仿真環境構建: 生成式模型可以用於構建逼真的仿真環境，為機器人算法開發和測試提供平台。
總之， DiffusionDrive 的成功為生成式 AI 模型在機器人領域的應用提供了新的思路和方法。隨著生成式模型技術的進一步發展，相信其將在解決更多複雜機器人任務方面發揮越來越重要的作用。