ReflectDrive将有助于理想辅助驾驶安心感提升

论文本质是提出了无需梯度计算基于离散Diffusion的安全轨迹生成框架，说的再人话一点，就是想办 法更高效生成更安全的轨迹，这将有助于理想辅助驾驶安心感更强。头图来自微博用户阿光同学 Jason。 核心价值为： 1.在主流基于模仿学习、强化学习、连续扩散模型之上，将离散思想引入辅助驾驶轨迹生成。 （ 仅 依赖强化学习来加强，reward hack是棘手的问题，很难写出全面的reward适用连续轨迹复杂的三维空 间 ） 即通过离散Diffusion，将轨迹问题转化为了语言模型擅长的完形填空类问题，可以直接利用预训练好 的Diffusion语言模型的能力。这种并行的方式可以一次性生成所有轨迹点，而不用像自回归模型一个 一个吐字，效率更高。 2.反思机制(Reflection Mechanism)通过评估-搜索-修复(inpainting)来修正不安全的轨迹点，全过程无 需梯度计算。 （传统的需要梯度计算的扩散模型拉高计算成本，采样速度慢，参数敏感） 这是一个两阶段的推理过程，可以理解为先大胆规划，再小心求证。 阶段一：目标导向的轨迹生成 (Goal-Conditioned Generation) 此阶段的目的是 ...