FlowDrive：一个具备软硬约束的可解释端到端框架（上交&博世）

在BEV空间中引入具有物理可解释性的基于能量的增强信息，助力端到端新SOTA！ 这两年的端到端算法基于环视BEV表示实现运动规划。在车辆运动规划过程中，自动驾驶需同时考虑两类约束：一类是由几何占据障碍物（如车辆、 行人）带来的 硬约束 ，另一类是无明确几何形态、基于规则的 软语义约束 （如车道边界、交通先验知识）。然而现有端到端框架通常依赖以隐式方 式学习的BEV特征，缺乏对"风险"和"导向先验"的显式建模，难以实现安全且可解释的规划。 为解决这一问题，上交、博世中国、清华AIR和上海大学的团队共同提出 FlowDrive ——其核心是在BEV空间中引入具有物理可解释性的基于能量的流 场（包括风险势场与车道吸引力场），将语义先验和安全线索编码至BEV空间中。这些 流感知特征 能够实现锚定轨迹的自适应优化，并为轨迹生成提 供可解释的导向。此外，FlowDrive通过带有特征级门控的条件扩散规划器，将运动意图预测与轨迹去噪解耦，有效缓解了任务间干扰，提升了多模态 多样性。 在NAVSIM v2基准数据集上的实验表明，FlowDrive实现了当前最优性能，Extended Predictive Driver Mod ...