最近，大模型在自动驾驶领域也逐渐崭露头角，像视觉-语言模型（VLM）和视觉-语言-动作模型（VLA）已经在理解场景、语义关联和泛化能力上有了不错的表现。不 过，这类模型在实际连续控制场景中还受一些限制，比如推理速度慢、动作不够连贯，以及安全性保障难度大。 与此同时，扩散模型（Diffusion Models）正在改变视觉、音频和控制领域的生成式建模方式。和传统的回归或分类方法不同，扩散策略（Diffusion Policy, DP）把动作生 成看作一个"逐步去噪"的过程，不仅能更好地表达多种可能的驾驶选择，还能保持轨迹的时序一致性和训练的稳定性。不过，这类方法在自动驾驶中还没被系统化研究 过。扩散策略通过直接建模输出动作空间，为生成平滑可靠的驾驶轨迹提供了一种更强大、更灵活的思路，非常适合解决驾驶决策中的多样性和长期稳定性问题。 另一方面，专家混合（MoE, Mixture of Experts）技术也逐渐成为大模型的重要架构。它通过按需激活少量专家，让模型在保持计算效率的同时具备更强的扩展性和模块化 能力。MoE 在自动驾驶中也被尝试应用，比如做多任务策略和模块化预测，但大多数设计还是面向具体任务，限制了专 ...

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 今天自动驾驶之心为大家分享 三星中国研究院&DS AI中心 最新的工作！ MoSE： 面向自动驾驶的 Skill-by-Skill 混合专家学习框架！难例场景新SOTA。 如果您有 相关工作需要分享，请在文末联系我们！ 自动驾驶课程学习与技术交流群事宜，也欢迎添加小助理微信AIDriver004做进一 步咨询 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 论文作者 | LU XU等 编辑 | 自动驾驶之心 写在前面 & 笔者的个人理解 近期研究表明，使用网络规模数据训练的大型语言模型（LLMs）和视觉语言模型（VLMs）能够增强端到端自 动驾驶系统的泛化能力和解释能力。具体而言，通过动态地将输入路由到参数的专业子集，专家混合（MoE）技 术使得通用的LLM或VLM在保持计算效率的同时实现了显著的性能提升。 然而，一般的MoE模型通常需要大量的训练数据和复杂的优化过程。在这项工作中，受人类驾驶员学习过程的启 发，我们提出了一种面向技能的MoE方法，称为MoSE，它模拟了人类驾驶员的学习和推理过程，逐技能、 ...