AnchDrive：エンドツーエンド運転のためのハイブリッド軌道アンカーを用いたブートストラップ拡散ポリシー
なぜ重要か: 企業や社会への影響が見込まれ、一般メディアにも波及する可能性があります。
arXiv:2509.20253v1発表タイプ：クロス
概要：エンドツーエンドのマルチモーダルプランニングは、自律運転において変革的なパラダイムとなり、行動のマルチモーダリティとロングテールシナリオにおける汎化課題を効果的に解決しています。本稿では、従来の生成モデルの高い計算コストを軽減するために、拡散ポリシーを効果的にブートストラップするエンドツーエンド運転のためのフレームワーク、AnchDriveを提案します。AnchDriveは純粋なノイズからのノイズ除去ではなく、豊富でハイブリッドな軌跡アンカーのセットでプランナーを初期化します。これらのアンカーは、一般的な運転事前知識の静的ボキャブラリと、動的で状況認識された軌跡のセットという2つの補完的なソースから導出されます。動的軌跡は、高密度および低密度知覚特徴を処理するTransformerによってリアルタイムでデコードされます。その後、拡散モデルは、軌跡オフセットの分布を予測することでこれらのアンカーを洗練し、きめ細やかな調整を可能にします。このアンカーベースのブートストラップ設計により、多様で高品質な軌跡を効率的に生成できます。NAVSIMベンチマークに関する実験により、AnchDriveが新たな最先端技術を確立し、強力な汎化性能を示すことが確認されました。
原文（英語）を表示
Title (EN): AnchDrive: Bootstrapping Diffusion Policies with Hybrid Trajectory Anchors for End-to-End Driving
arXiv:2509.20253v1 Announce Type: cross
Abstract: End-to-end multi-modal planning has become a transformative paradigm in autonomous driving, effectively addressing behavioral multi-modality and the generalization challenge in long-tail scenarios. We propose AnchDrive, a framework for end-to-end driving that effectively bootstraps a diffusion policy to mitigate the high computational cost of traditional generative models. Rather than denoising from pure noise, AnchDrive initializes its planner with a rich set of hybrid trajectory anchors. These anchors are derived from two complementary sources: a static vocabulary of general driving priors and a set of dynamic, context-aware trajectories. The dynamic trajectories are decoded in real-time by a Transformer that processes dense and sparse perceptual features. The diffusion model then learns to refine these anchors by predicting a distribution of trajectory offsets, enabling fine-grained refinement. This anchor-based bootstrapping design allows for efficient generation of diverse, high-quality trajectories. Experiments on the NAVSIM benchmark confirm that AnchDrive sets a new state-of-the-art and shows strong gen?eralizability
Published: 2025-09-24 19:00 UTC