arXiv cs.AI· Zhenjun Qiu, Jianing Huang, Dongang Liu, Baiyu Du, Yixun Niu, Hao Yang, Xinyu Huang, Chuan Hu, Shu Liu·· 9 天前AI 评分22
BridgeGuard：面向扩散模型自动驾驶的显式安全漂移约束方法
BridgeGuard: Explicit Safety Drift for Diffusion-based Autonomous Driving
AI 导读
BridgeGuard 是一种安全约束扩散规划方法，在去噪过程中逐步强化约束项，将中间轨迹推向场景相关的安全域，修正仅在低维曲线空间进行以保持几何连贯。其 DistanceFieldNet 模块从鸟瞰图特征预测时变距离场，通过在专家轨迹之外采样查询进行值与空间梯度监督，学习安全与不安全区域。
正文 · AI 翻译
摘要：基于扩散的驾驶规划器能够捕捉多样化的行为，但在分布偏移下可能生成不安全的轨迹。我们提出 BridgeGuard，一种安全约束的扩散规划方法，它在去噪过程中逐步增强约束项，以将中间轨迹推向依赖于场景的安全域。修正操作在低维曲线空间中进行，促进几何一致性。一个学习到的模块 DistanceFieldNet 从鸟瞰图特征预测时间相关的距离场。在专家轨迹之外采样的查询点上的值和空间梯度监督，使该场学习到安全区域和不安全区域。学习到的场通过安全注入提供约束项，而预训练的感知骨干网络和规划器保持冻结。我们进一步在理想化的连续时间桥中建立了终端安全的充分条件。在 Bench2Drive 上，BridgeGuard 将 BridgeDrive 的驾驶得分/成功率从 87.99/74.99% 提升至 90.88/76.36%，将 $\text{DiffusionDrive}^{\text{geo}}$ 的从 80.79/58.18% 提升至 90.46/74.09%，展示了跨模型泛化能力。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.11483 [cs.AI] |
| （或 arXiv:2610.11483v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11483 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jianing Huang [查看电子邮件]
[v1]
2026年10月8日星期四 08:26:52 UTC（4,275 KB）
来源：arXiv cs.AI · arxiv.org