arXiv cs.AI· Guantian Zheng, Lidong Yu, Tianyu Gao, Jiaxing Chen, Jiashu Li, Chen Lv·· 3 天前AI 评分24
YOUDrive：将驾驶风格作为端到端自动驾驶的可组合方向
YOUDrive: Driving Style as a Composable Direction for End-to-End Autonomous Driving
AI 导读
研究者提出 YOUDrive，一种视觉-语言-动作规划器，通过将每位教师的行为蒸馏为任务向量，在推理时缩放和组合这些风格方向，无需重训练主干即可连续控制驾驶风格。
正文 · AI 翻译
摘要：端到端驾驶策略能够实现出色的任务性能，但对驾驶风格的控制能力有限。驾驶风格描述车辆如何加速、制动和保持距离。未经显式偏好条件训练的策略缺乏在推理时调整这些行为的直接机制。我们提出 YOUDrive，一种用于连续且可组合驾驶风格控制的视觉—语言—动作规划器。每位教师的行为被蒸馏为一个任务向量，即一种学习到的参数更新，在规划器的表示中诱导出风格方向。这些方向可以在推理时进行缩放和组合，而无需重新训练主干网络。在这些方向的条件下，一个流匹配解码器对多模态轨迹分布进行建模，并生成运动学上可行的运动备选方案。我们引入风格对齐分数（SAS），用于描述经过安全与任务门控后、以人类为参照的运动学行为。在 NAVSIM navtest 上，单个系数可单调地控制六种由教师衍生的人设的果断程度，同时 PDMS 在所有测试的单一和混合配置中均保持在 0.90 以上，达到 0.954。进一步分析表明，在控制场景上下文后，存在系统性的策略特定运动学，而所评估的离散风格标签提供的额外解释力有限。代码、检查点和该指标将发布。
| 评论： | 12 页，含附录 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）；机器人学（cs.RO） |
| 引用为： | arXiv:2610.14802 [cs.CV] |
| （或 arXiv:2610.14802v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14802 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Guantian Zheng [查看邮箱]
[v1]
2026年10月10日 星期六 10:52:32 UTC（1,222 KB）
来源：arXiv cs.AI · arxiv.org