CVPR 2025｜DiffusionDrive: 迈向生成式多模态端到端自动驾驶

diffusiondrive：一种高效且鲁棒的端到端自动驾驶多模态规划方法

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

近年来，直接从传感器数据学习驾驶决策的端到端自动驾驶方法备受关注。然而，驾驶行为的多模态特性（同一场景下存在多种合理轨迹）给现有方法带来了挑战。本文介绍的DiffusionDrive方法，巧妙地利用扩散模型强大的多模态建模能力，并通过创新性的截断扩散策略和级联扩散解码器，有效解决了计算开销高和模式崩溃问题，为构建高效、鲁棒的多模态自动驾驶规划提供了新的解决方案。

现有方法的局限性

现有方法主要包括单模态回归、预定义锚点轨迹采样和传统扩散策略三种。单模态回归忽略了驾驶行为的多样性；预定义锚点方法受限于锚点数量和分布，泛化能力不足；传统扩散策略虽然能捕捉多模态行为，但计算成本高，且易出现模式崩溃，导致轨迹多样性不足。

DiffusionDrive方法的核心创新

DiffusionDrive的核心在于其截断扩散策略。该策略结合多模态锚点先验，通过截断扩散过程，使模型从锚定的高斯分布直接生成多模态驾驶轨迹。这避免了传统扩散模型从纯随机噪声开始的冗长迭代，只需2步即可完成高质量轨迹推理，推理速度提升10倍。此外，级联扩散解码器增强了模型对场景信息的交互能力，提高了轨迹预测精度。

截断扩散策略详解

传统扩散策略面临高计算成本和模式崩溃两大挑战。为了解决这些问题，DiffusionDrive首先对驾驶轨迹进行聚类，获得一组代表性锚点轨迹。训练时，模型不再从纯随机高斯分布学习去噪，而是从在锚点轨迹基础上添加少量噪声的初始分布开始。推理阶段，模型直接从锚定轨迹分布采样，并通过置信度评分机制筛选出最符合物理约束和场景要求的轨迹，避免模式崩溃。

360智图

AI驱动的图片版权查询平台

143

查看详情

级联扩散解码器则允许模型在每个去噪步骤中与环境感知信息进行多轮交互，利用稀疏可变形注意力机制高效提取关键信息，提升轨迹生成的稳定性和鲁棒性。

实验结果与可视化

在NAVSIM数据集上的闭环评测结果显示，DiffusionDrive显著优于现有端到端方案，在规划完成度和鲁棒性方面表现突出。消融实验也验证了截断扩散策略和级联解码器的有效性。

可视化结果显示，DiffusionDrive能够生成多样化的轨迹，包括保守跟车和合理换道超车等行为，并能与红绿灯等交通信号进行交互。

结论

DiffusionDrive首次将截断扩散策略应用于端到端自动驾驶，有效解决了传统扩散方法的瓶颈问题，为实时高效的多模态驾驶决策提供了一种新的范式。其在精度、鲁棒性和效率上的显著提升，为自动驾驶技术的进步提供了重要贡献。 DiffusionDrive已经在业务数据集上进行了规模化验证。

以上就是CVPR 2025｜DiffusionDrive: 迈向生成式多模态端到端自动驾驶的详细内容，更多请关注php中文网其它相关文章！