arXiv cs.AI· Ding Fan, Xuewen Luo, Hwa Hui Tew, Susilawati, Vishnu Monn Baskaran, Fucai Ke·· 2 天前AI 评分22
M-Diffusion Planner：用多头扩散模型与强化学习实现个性化驾驶
Drive As You Like: Multi-Head Diffusion with Reinforcement Learning for Personalized Driving
AI 导读
M-Diffusion Planner 通过双解耦设计实现个性化自动驾驶：大语言模型推断驾驶需求并选择策略，由共享扩散规划器的对应头执行。研究采用代理策略比率估计与约束式头特定更新改进 Group Relative Policy Optimization，在无风格标注下用策略专属奖励微调各头。nuPlan 开环与闭环评测显示其具备策略对齐行为与有竞争力的规划性能。
正文 · AI 翻译
摘要：个性化自动驾驶需要理解用户请求中隐含的驾驶需求。当驾驶演示缺乏风格标注，且行为自适应可能降低规划质量时，这一任务颇具挑战。我们提出 M-Diffusion Planner，采用双重解耦设计：将意图理解与轨迹规划分离，并将通用规划能力学习与策略对齐分离。大语言模型推断驾驶需求并选择策略，由共享扩散规划器中相应的头执行该策略。在模仿预训练之后，策略特定的奖励使各个头实现专门化，而无需风格标注。我们创新性地采用代理策略比率估计和受限的头特定更新来适配组相对策略优化，以缓解预训练规划能力的退化。在 nuPlan 上的开环和闭环评估展示了与策略对齐的独特行为以及具有竞争力的规划性能。进一步的实验评估了意图到策略的映射和碰撞风险，并分析了奖励设计与优化对策略对齐和规划质量的影响。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2508.16947 [cs.RO] |
| （或 arXiv:2508.16947v3 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2508.16947 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Fan Ding [查看邮箱]
[v1]
2025年8月23日 星期六 08:33:11 UTC（888 KB）
[v2]
2026年7月23日 星期四 17:41:04 UTC（3,651 KB）
[v3]
2026年10月15日 星期四 08:01:33 UTC（2,390 KB）
来源：arXiv cs.AI · arxiv.org