PRIMEDrive-CoT：驾驶场景中不确定性感知目标交互的全新思维链框架~

点击下方卡片，关注“自动驾驶之心”公众号

戳我-> 领取自动驾驶近15个方向学习路线

PRIMEDrive-CoT

• 论文标题：PRIMEDrive-CoT: A Precognitive Chain-of-Thought Framework for Uncertainty-Aware Object Interaction in Driving Scene Scenario

• 论文链接：https://arxiv.org/abs/2504.05908

核心创新点：

1. 贝叶斯图神经网络（BGNN）驱动的不确定性建模

• 首次将BGNN应用于驾驶场景的物体交互推理，通过概率图结构建模车辆-行人、车辆-车辆间的动态交互。结合Shannon熵与偏航角偏差量化检测不确定性，并引入接近度感知风险指标 （基于指数衰减函数），实现对潜在威胁的优先级排序。

2. 可解释的链式思维（CoT）推理机制

• 通过分阶段的CoT模块生成结构化解析（如"减速因行人接近与前车急刹"），同步融合Grad-CAM可视化注意力图，显式关联决策依据与多模态输入（LiDAR点云与RGB图像），确保黑箱模型的透明性。

3. 多模态特征增强与轻量化部署

• 采用改进的MVX-Net架构实现LiDAR点云体素化与多视角RGB特征融合，在保持3D检测精度（IoU 78%）的同时，通过RGB验证机制降低误检率。推理速度达18.7 FPS（单RTX 3090），满足实时性需求。

MIAT

• 论文标题：MIAT: Maneuver-Intention-Aware Transformer for Spatio-Temporal Trajectory Prediction

• 论文链接：https://arxiv.org/abs/2504.05059

核心创新点：

1. 机动意图感知Transformer架构（MIAT）

• 提出Transformer-based时空交互建模 ，替代传统LSTM，通过自注意力机制（self-attention）捕捉车辆轨迹的长程时空依赖，解决LSTM在长序列处理中的梯度消失与效率瓶颈。

2. 多模态机动意图融合机制

• 引入六类驾驶意图分类 （横向：车道保持、左/右换道；纵向：加速、减速、匀速），通过动态意图概率分布 （softmax分类）与时空特征融合（soft attention），实现意图感知的轨迹预测。

3. 可调节损失加权策略

• 设计联合优化目标函数(L =   +  )，通过控制机动损失权重（λ）平衡短期精度与长期预测鲁棒性。实验表明，高权重（如200x）显著提升长时域（5秒）预测精度（+11.1%），验证意图建模对复杂行为长期演化的关键作用。

4. 动态交互依赖建模（DID模块）

• 采用多头自注意力 捕捉车辆间交互的时序相关性，突破传统方法对静态交互假设的局限，动态建模邻车影响随时间的变化。

5. 高效并行计算优化

• 利用Transformer的并行特性，结合GPU加速，实现实时轨迹预测 （50Hz以上），满足自动驾驶系统的低延迟需求。

DDT

• 论文标题：DDT: Decoupled Diffusion Transformer

• 论文链接：https://arxiv.org/abs/2504.05741

核心创新点：

1. 解耦架构设计

• 采用双模块分工机制 ：条件编码器（Condition Encoder）通过自监督对齐预训练视觉特征（REPAlign），专注提取低频语义信息；速度解码器（Velocity Decoder）基于编码器生成的自条件特征（self-condition），高效解码高频细节。该设计突破了传统扩散Transformer单模块处理全频段信息的局限性，在ImageNet 256×256和512×512数据集上分别实现1.31 FID（256 epochs）和 1.28 FID（500K steps）的SOTA性能，训练效率提升4倍。

2. 推理加速策略

• 利用编码器特征的时序一致性，提出统计动态规划算法 优化自条件特征共享策略。通过构建相似性矩阵并求解最小路径和问题，在保证生成质量的前提下，实现相邻去噪步骤间编码器计算的动态复用（如87%共享率下FID仅上升0.09），显著降低推理复杂度。

3. 架构扩展性突破

• 发现编码器容量与模型性能的强相关性，提出非对称层分配原则 （如DDT-XL/2采用22层编码器+6层解码器），验证了大规模模型下"强编码-轻解码"架构的优越性。结合改进的RoPE位置编码与RMSNorm等技术，进一步优化高频重建能力。

Pedestrian-Aware Motion Planning

• 论文标题：Pedestrian-Aware Motion Planning for Autonomous Driving in Complex Urban Scenarios

• 论文链接：https://arxiv.org/abs/2504.01409

• 代码：https://github.com/TUM-AVS/PedestrianAwareMotionPlanning

核心创新点：

1. 社会力模型驱动的行人仿真框架

• 提出基于改进社会力模型（Social Force Model）的行人行为仿真模块，集成于CommonRoad环境，首次实现对城市结构化场景（人行道/斑马线）的细粒度建模。通过离线值迭代生成行人路径策略，动态响应车辆交互（如避让高速车辆），解决了传统仿真中行人行为僵化及局部极小值问题。

2. 风险-伤害联合评估的运动规划算法

• 开发风险感知运动规划器，创新性地融合碰撞概率（Collision Probability）与伤害值（Harm Metric）构建风险评估框架。采用逻辑回归模型量化MAIS3+级伤害概率，并基于Maximin原则筛选轨迹，突破传统仅依赖碰撞概率的局限，有效缓解"机器人冻结"问题。

3. 车辆-行人耦合预测机制

• 行人运动预测采用常速模型结合车辆预测的BND（Bivariate Normal Distribution）不确定性建模，车辆端集成Wale-Net预测动态障碍物轨迹。通过蒙特卡洛采样与解析法混合计算碰撞概率，提升复杂交互场景的决策鲁棒性。

4. 开源验证体系构建

• 首次公开行人-车辆耦合仿真代码库（基于CommonRoad扩展），包含可复现的行人策略生成器与风险评估模块，为自动驾驶在密集人群场景的研究提供标准化测试基准。

强化学习运动规划综述

• 论文标题：A Survey of Reinforcement Learning-Based Motion Planning for Autonomous Driving: Lessons Learned from a Driving Task Perspective

• 论文链接：https://arxiv.org/abs/2503.23650

核心创新点：

1. 安全增强的强化学习框架

• 提出对抗性约束RL与控制屏障函数（CBF）融合方法，通过动态不确定环境下的鲁棒性约束优化，解决自动驾驶中的安全临界场景（如紧急避撞）

• 基于模型不确定性的风险敏感型算法，采用分布鲁棒策略优化（DRPO）实现碰撞概率的显式约束

2. 多智能体与分层强化学习架构

• 构建分层决策架构，将驾驶任务解耦为策略层（宏观行为决策）与执行层（轨迹规划），通过Option框架实现层次化策略优化

• 提出多智能体深度RL（MADRL）协同机制，采用注意力机制建模交通参与者交互，解决多车博弈场景下的策略收敛性问题

3. 持续学习与知识迁移方法

• 开发基于弹性权重固化（EWC）的持续RL框架，通过参数重要性评估缓解灾难性遗忘，实现跨场景策略迁移

• 提出混合专家系统（MoE）与元学习结合的元策略迁移方法，在匝道汇入等动态场景中提升策略适应效率

4. 基于模仿学习的高效探索策略

• 创新性结合专家示范与好奇心驱动机制，采用优先经验回放（PER）与逆RL联合训练，将人类驾驶数据的利用率提升40%

• 设计基于参数化动作空间的深度Q网络，通过混合离散-连续动作建模解决传统方法在复杂场景中的维度爆炸问题

5. 泛化能力增强技术

• 提出元强化学习与因果推理融合框架，通过干预变量建模提升策略在未见过的交通场景中的适应性

• 开发基于神经过程（Neural Process）的上下文感知RL，实现动态环境特征的快速推理与策略调整

Vision-Language Model Predictive Control

• 论文标题：Vision-Language Model Predictive Control for Manipulation Planning and Trajectory Generation

• 论文链接：https://arxiv.org/abs/2504.05225

核心创新点：

1. 提出视觉-语言模型预测控制（VLMPC）框架

• 将视觉-语言模型（VLM）与模型预测控制（MPC）相结合，通过VLM的感知能力和MPC的前瞻性规划能力，解决了传统MPC在复杂、非结构化场景中缺乏环境感知的局限性。VLMPC能够基于目标图像或语言指令生成候选动作序列，并利用视频预测模型模拟未来状态，从而实现精准的机器人操作规划。

2. 设计条件动作采样模块和层次化成本函数

• 条件动作采样：通过VLM生成基于视觉观察和任务目标的动作采样分布，避免了手动设计动作原语，提升了动作生成的灵活性和适应性。

• 层次化成本函数：结合像素级成本（评估视频预测与目标图像的相似性）和知识级成本（通过VLM动态识别子目标和干扰物），实现了从粗到细的多层级动作评估，显著提高了复杂任务的规划能力。

3. 提出轨迹优化的增强版框架（Traj-VLMPC）

• Traj-VLMPC通过引入高斯混合模型（GMM）生成3D运动轨迹，并结合体素化3D价值图进行高效轨迹评估。相比于逐帧动作采样的VLMPC，Traj-VLMPC显著降低了计算复杂度，同时增强了轨迹规划的稳定性和避障能力，特别适用于长时域任务和实时应用。

4. 实验验证与性能提升

• 在模拟和真实场景中验证了VLMPC和Traj-VLMPC的有效性，证明其在多种操作任务中优于现有方法。

• Traj-VLMPC在长时域任务中表现出更高的控制稳定性和执行速度，特别是在涉及多个子目标和干扰物的复杂任务中表现突出。

本文均出出自『自动驾驶之心知识星球』硬核资料在星球置顶链接，加入即可获取：

• 行业招聘信息&独家内推；

• 自驾学习视频&资料；

• 前沿技术每日更新；