新突破！复旦大学×英伟达：DriveSuprim 革新端到端规划，突破自动驾驶轨迹选择难题？

来源:ADS智库 | 图源:arxiv

自动驾驶，安全是第一要务，尤其是在复杂的驾驶环境中。“精准的轨迹选择”可决定车辆行驶的安全、舒适及效率，在端到端（End-to-End）自动驾驶规划系统中扮演着至关重要的作用，它是连接环境感知-预测与车辆控制指令的桥梁。本文介绍了DriveSuprim：端到端规划中精确的轨迹选择，这是一种用于端到端自动驾驶的新框架，它解决了基于选择的方法的三项关键挑战。在 NAVSIM 基准上进行的大量实验表明，本文方法远远超过了先前的方法。一起来看看吧~

论文标题：DriveSuprim：Towards Precise Trajectory Selection for End-to-End Planning

论文链接：https://arxiv.org/pdf/2506.06659

PART.1

介绍

这篇论文提出的 DriveSuprim 通过由粗到精的范式进行逐步候选过滤、基于旋转的增强方法来提高分布外场景的鲁棒性以及自蒸馏框架来稳定训练，从而改进基于选择的范式。实验数据表明：DriveSuprim 实现了最先进的性能，在 NAVSIM v1 中实现了 93.5% 的 PDMS，在 NAVSIM v2 中实现了 87.1% 的 EPDMS，这展现了其卓越的安全关键能力（包括避障和遵守规则），同时在各种驾驶场景中维持高轨迹质量。

PART.2

DriveSuprim 核心贡献

DriveSuprim 通过引入一种由粗到精的范式来更好地区分硬性底片。根据评分分布，轨迹解码器过滤潜在候选人，细化解码器进一步输出细粒度的轨迹分数。该模型引入了基于旋转的增强数据来缓解方向偏差问题，并应用了自蒸馏框架进行稳定训练。教师输出作为软标签，为学生提供辅助监督。

2.1 解决了区分相似轨迹带来的挑战

该论文提出了一种由粗到精的优化策略，通过过滤出具有希望的候选轨迹，并将细粒度评分应用于最具挑战性的候选轨迹，从而显著提高了相似但略有不同的轨迹之间的区分能力。

像不像买菜式选路线：先粗筛过滤掉明显不靠谱路线（比如“直接撞墙的路线”），剩下几百条“高潜力候选选手”；再针对“候选选手”引用细粒度评分模型，将计算资源集中于“难样本”， 使模型能够区分“0.5m避障”和“0.6m避障”类似的关键差异，以提升决策精度。

2.2 解决方向偏差和硬决策边界问题

该论文基于旋转的数据增强与自蒸馏相结合的集成流程，通过合成了具有具有挑战性的转弯场景，同时利用教师生成的软伪标记，有效地平衡了轨迹分布，并且实现了更好的优化以训练更鲁棒的模型。

就像让模型练“漂移”，通过旋转图像数据，模拟几千种极端转弯场景，让模型学会应对各种方向的路口。再找个教练“教师模型”带着开，生成更灵活的“安全概率分”，然后“学生模型”跟着学，决策更稳定，减少误判。

2.3 在 NAVSIM 基准上实现了最先进的性能

DriveSuprim在完全基于公开数据集的NAVSIM基准上实现了最先进的性能，证明了本文模型在处理具有挑战性的驾驶场景方面的有效性。本文方法在NAVSIM v1和NAVSIM v2上实现了最先进的结果，其性能相对于先前的方法明显提高了3.6%和1.5%。

PART.3

重点实验结果

3.1 NAVSIM v1 PDMS 达 93.5%，提升 3.6%

3.2 NAVSIM v2 EPDMS 达 87.1%，提升 1.5%

3.3 轨迹选择准确率提升

3.4 转弯处理能力增强

PART.4

写在最后

DriveSuprim通过“计算资源聚焦+鲁棒性增强+训练稳定性优化”的组合拳，突破了端到端自动驾驶规划中轨迹选择的三项关键挑战：通过引入一种由粗到精的选择策略以及包括基于旋转的数据增强和软标签自蒸馏在内的集成训练流程，显著提高了模型区分困难负样本的能力，从而做出更细致的决策来精确选择轨迹，并且在涉及急转弯的场景中表现良好。

这是不是可以理解为：假设应用此模型在自动驾驶汽车上，如果突然遇到障碍物、路口转弯“漂移”，车子会更稳、更安全？而且这套组合拳靠“聪明筛选和训练”就可以提高性能，不需要额外数据了？欢迎评论区留言讨论，写下您的想法~

联 系 & 声 明

进交流群

号主六耳

知识星球

声明：除文内特殊声明外，本公众号内所有文章编写或转载的目的仅用于学习和交流，不予以商用，不代表本号观点及立场。本公众号内资讯及正文引用图片均由个人公众号 ADS 智库六耳基于官网或公开信息梳理或引用。本公众号所引用及转载内容版权均归原作者所有，凡是注明来源 “ XXX ADS 智库 ” 或作者为 “ XXX 六耳、XXX ADS 智库 ” 的文章转载或引用时请注明来源 ADS 智库。若有版权或其他任何问题请联系六耳（ 微信号：adas_miao ），本号将及时处理。

，安排一下？