? 論文鏈接：

https://arxiv.org/abs/2503.05689

?項(xiàng)目鏈接：

https://github.com/YvanYin/GoalFlow

概述

自動(dòng)駕駛軌跡規(guī)劃往往采用直接回歸軌跡的方法，這種方式雖在測試中能取得不錯(cuò)的性能，可直接輸出當(dāng)前場景下最有可能的軌跡或控制，但它難以對自動(dòng)駕駛場景中常見的多模態(tài)動(dòng)作分布進(jìn)行有效建模。在實(shí)際駕駛場景里，往往不存在唯一的最優(yōu)決策，不同的路況、交通標(biāo)志以及其他道路使用者的行為等，都可能導(dǎo)致車輛存在多種合理的行駛軌跡選擇，而回歸模型在處理這種多模態(tài)特性時(shí)顯得力不從心。為了解決這個(gè)問題，我們提出了一種基于goal point的生成式方法GoalFlow，通過使用goal point這種強(qiáng)引導(dǎo)信息來引導(dǎo)生成式模型生成安全、高質(zhì)量、多模態(tài)的規(guī)劃軌跡。我們的方法在公開數(shù)據(jù)集Navsim綜合分?jǐn)?shù)大幅領(lǐng)先其他方法。同時(shí)，通過Flow Matching對軌跡分布進(jìn)行建模僅用一步降噪即可實(shí)現(xiàn)優(yōu)秀的推理性能。

GoalFlow解決的問題

當(dāng)前生成多模態(tài)候選軌跡的方法主要由兩種方式：一種是在回歸軌跡的基礎(chǔ)上添加不同的引導(dǎo)信息，例如左右轉(zhuǎn)等。另一種是通過擴(kuò)散模型這種連續(xù)建模的方式通過不斷加噪和去噪來生成眾多的軌跡。這兩種方式都很難達(dá)到理想的效果。前者容易發(fā)生軌跡的坍縮，引導(dǎo)出的軌跡非常相似。后者容易生成高度發(fā)散的軌跡，這為挑選軌跡增加了難度。為此，GoalFlow主要思考如何探索其他可行道路來實(shí)現(xiàn)高質(zhì)量的候選軌跡生成。

如何應(yīng)對生成式模型軌跡過于發(fā)散的情況

相比生成眾多發(fā)散的候選軌跡，從中挑選出來一條最優(yōu)的作為輸出是更加困難的事情。我們希望通過降低軌跡的發(fā)散程度來減輕軌跡打分器的壓力。而其中，使用什么樣的信息來對軌跡進(jìn)行約束是最重要的。我們發(fā)現(xiàn)，相比于dense的圖像或者BEV特征，擴(kuò)散模型更喜歡sparse的信息。于是，我們采用一段軌跡中最重要的點(diǎn)end point作為goal point來對軌跡進(jìn)行約束，使得車輛能行駛到goal point。

如何構(gòu)造goal point

goal point在自動(dòng)駕駛中并不是個(gè)新事物，業(yè)務(wù)中往往可以使用車道信息來預(yù)測goal point或者使用直接將導(dǎo)航作為goal point。但是車道信息往往需要昂貴的高精地圖，而導(dǎo)航往往并不表示車輛在未來幾秒后的精確信息。其他學(xué)術(shù)上的方法也有map-free的用網(wǎng)格將空間劃分若干單元來進(jìn)行預(yù)測，這種方式又沒有充分考慮到goal point自身的分布特性。在調(diào)研眾多方法后，我們根據(jù)VADv2的做法，首先將軌跡的末端點(diǎn)進(jìn)行聚類得到goal point的分布特性后，再從不同角度對goal point進(jìn)行評估。

如何平衡生成準(zhǔn)確軌跡和多模態(tài)軌跡

輸入給生成模型的信息包括兩種，一種是goal point來對軌跡進(jìn)行約束和引導(dǎo)，一種是場景信息的BEV特征。前者對軌跡的要求是生成指向goal point的軌跡，后者是生成當(dāng)前情況下最有可能的軌跡。為了平衡這兩種需求，我們主要進(jìn)行了訓(xùn)練策略上的不同測試。具體來說，我們會(huì)對這兩種信息分別進(jìn)行類型編碼，在訓(xùn)練過程中采用Classifier-Free Guidance策略，隨機(jī)drop掉這兩種特征。訓(xùn)練時(shí)condition輸入包括三類：無condition，場景信息作為condition以及場景信息和goal point作為condition。

GoalFlow框架

核心思路：引入goal point作為引導(dǎo)信息，通過建立dense的goal point詞匯表和新穎評分機(jī)制挑選最優(yōu)goal point，再由goal point和場景信息作為condition，交給Flow Matching生成軌跡。

具體流程：

感知方面上采用transfuser，融合圖像和LiDAR信息，得到BEV feature。

通過聚類數(shù)據(jù)集中的軌跡末端點(diǎn)得到dense的goal point詞表，作為goal point的候選集。

將goal point和真實(shí)end point的遠(yuǎn)近程度以及goal point是否在車輛可行駛區(qū)域內(nèi)作為評價(jià)標(biāo)準(zhǔn)，從詞表中挑選出當(dāng)前最優(yōu)的goal point。

引入flow matching對軌跡進(jìn)行連續(xù)建模，將場景信息和goal point作為condition生成軌跡。

實(shí)驗(yàn)結(jié)果

在Navsim數(shù)據(jù)集上，軌跡采用碰撞率，是否在可行駛區(qū)域內(nèi)，舒適度等綜合指標(biāo)PDMS來評價(jià)。GoalFlow在PDMS上達(dá)到90.3分，遠(yuǎn)超以regression為代表的Transfuser方法（84.0分）和naive的generative model（85.6分）。模擬真實(shí)場景用更精確goal point代替預(yù)測goal point時(shí)，PDMS達(dá)到92.1分，逼近人類駕駛的94.8分。此外，基于flow matching的方法對推理中denoising步數(shù)具有魯棒性，只需1步推理就能達(dá)到優(yōu)異性能，大大減輕自動(dòng)駕駛硬件負(fù)擔(dān)。

展望與總結(jié)

GoalFlow通過聚類方法捕捉目標(biāo)點(diǎn) (goal point) 的分布特性，并設(shè)計(jì)了一套目標(biāo)點(diǎn)評估機(jī)制，為目標(biāo)點(diǎn)進(jìn)行打分。基于這些目標(biāo)點(diǎn)，GoalFlow引導(dǎo)生成式方法Flow Matching生成高質(zhì)量軌跡。實(shí)驗(yàn)表明，GoalFlow能夠生成優(yōu)異的軌跡，并提供多樣化的高質(zhì)量軌跡候選，顯著提升了軌跡生成的性能。

未來，我們將進(jìn)一步探索如何優(yōu)化引導(dǎo)信息的利用，尤其是設(shè)計(jì)更高效的網(wǎng)絡(luò)結(jié)構(gòu)，以更好地平衡場景信息和目標(biāo)點(diǎn)引導(dǎo)信息對模型的影響。此外，當(dāng)前工作主要聚焦于坐標(biāo)位置作為引導(dǎo)條件，之后可以進(jìn)一步探索將人類語言指令作為條件輸入，結(jié)合GoalFlow實(shí)現(xiàn)更智能的指令跟隨能力，拓展其在人機(jī)交互和自動(dòng)駕駛等領(lǐng)域的應(yīng)用潛力。