一种新的端到端自动驾驶系统，让操作员能够在不重新训练模型的情况下，调节特定的驾驶风格——从保守的紧贴车道到激进的变道。长春大学的研究人员开发了D³-MoE，该系统采用双混合专家方法，包含独立的横向和纵向专家网络，并由一个基于扩散的轨迹生成器引导，将你的风格偏好直接转化为运动。
目录
研究人员构建了什么
D³-MoE是一个端到端的自动驾驶模型，接收多传感器输入——六个摄像头、激光雷达、高清地图——并直接输出由八个路径点组成的4秒轨迹。其独特之处在于，能够在推理时通过一个简单的离散风格标签（激进、保守或中性）来控制生成轨迹的风格。
为实现这一点，架构使用了两个独立的混合专家（MoE）模块——一个用于横向行为（转向），一个用于纵向行为（速度）。横向MoE有五个专家：急左、左、直行、右、急右。纵向MoE有三个：刹车、巡航、加速。两个独立的路由器根据输入数据和期望风格选择激活哪个专家。选定的专家随后引导一个条件扩散模型，将随机轨迹去噪为平滑、风格一致的路径。
训练数据通过合成激进的保守的轨迹进行了增强，以教会模型完整的驾驶个性谱系。结果是一个单一模型，可以在运行时动态调整，无需额外微调。
关键结果
该模型在NAVSIM数据集上进行了训练和评估，该数据集包含美国多个城市的驾驶场景。D³-MoE与多个基线进行了比较，包括vanilla扩散、无条件MoE以及端到端规划器如UniAD和VAD。
主要指标是预测驾驶模型得分（PDMS）及其扩展版本EPDMS。论文报告D³-MoE在所有方法中取得了最高的PDMS，同时生成了最风格一致的轨迹。具体来说：
- 风格可控性：当给定激进的风格标签时，模型生成的轨迹显示更高的速度曲线和更频繁的车道变更。在保守标签下，轨迹显示较低的速度和更紧的车道居中。
- 安全指标：D³-MoE在所有风格下保持了接近零的碰撞率和较高的碰撞时间，保守风格在验证集上实现了100%的无碰撞率。
- 舒适性：激进模式产生的运动略为颠簸（舒适度得分下降约5%），但仍处于可接受的乘客舒适度阈值内。
- 泛化能力：即使在未见过的道路几何和交通条件下，模型仍保持风格一致的行为。
扩展的EPDMS指标，包括车道保持和交通灯合规性，表明所有风格变体都遵守基本交通规则，保守模式很少需要急刹车。
工作原理
D³-MoE处理2秒历史的多视角图像、激光雷达点云和地图数据，生成一个跨越未来4秒的8路径点轨迹。核心创新是双解耦混合专家。
双解耦MoE：不使用必须学习驾驶所有方面的单个MoE，架构将横向和纵向控制分离。每个都有自己的专家集和路由器（一个轻量级神经网络）。路由器接收传感器嵌入和one-hot风格标签，输出一个软门控向量，混合专家的输出。
| 专家领域 | 专家数量 | 专家名称 |
|---|---|---|
| 横向 | 5 | 急左、左、直行、右、急右 |
| 纵向 | 3 | 刹车、巡航、加速 |
条件扩散解码器：轨迹生成从高斯噪声开始，并逐步去噪多个步骤。扩散过程受两个条件约束：来自感知骨干的融合传感器嵌入，以及专家引导的潜变量（MoE路由器的输出）。这将去噪器约束为生成与所选风格匹配同时尊重场景几何的轨迹。
风格增强：为了训练模型理解不同风格，研究人员合成地改变了真实轨迹。激进轨迹通过放大速度并沿车道中心线延伸创建，并进行安全裁剪以防止不现实行为。保守轨迹通过逐步降低速度、扩大跟车距离以及在必要时截断时间范围来生成，以模拟最大谨慎。
在推理时，用户只需传递一个风格标签（0=保守，1=中性，2=激进）和传感器数据。路由器自动激活适当的专家并相应地引导扩散过程。
这对机器人技术为何重要
风格可控的自动驾驶具有直接的商业和运营价值。对于仓库机器人和物流车辆，能够在谨慎和激进驾驶模式之间切换意味着同一机器人车队可以在高峰时段导航狭窄通道，在非高峰时段高效巡航。在乘用车中，OEM可以提供单一的规划栈，适应驾驶员偏好或区域驾驶文化。
双MoE架构也是其他机器人领域的强大模板。任何必须平衡多个行为目标的系统——如机器人手臂平衡速度和精度，或腿式机器人调整行走步态——都可以从解耦专家方法中受益。关键要点：与其为每种风格训练单独的模型，不如训练一个带有风格条件专家的模型，实现无需重新训练的即时行为切换。
对于维护工程师和车队运营商，这意味着部署更少的模型、更简单的更新以及跨不同环境的一致行为。使用扩散解码器生成的轨迹比传统的基于优化的规划器更平滑，减少了执行器的磨损并提高了效率。
局限性与开放问题
当前模型依赖单个离散风格标签。现实驾驶是微妙的——驾驶员可能想要激进的加速但保守的变道。连续或多维的风格嵌入会更灵活。
合成轨迹增强过于简单：激进意味着“加速并转向”，但真正的激进驾驶还包括紧跟前车和延迟刹车。论文未展示模型如何处理边缘驾驶行为，如紧急避让操作。
此外，评估仅限于NAVSIM数据集，其包含美国城市的高速公路和城市驾驶。在密集交通、非美国道路规则或恶劣天气下的性能未知。模型在嵌入式硬件上的实时推理速度和计算成本也未报告。
常见问题解答
风格控制如何在高层次上工作？ 你传递一个简单的整数标签（0、1或2），分别对应保守、中性或激进驾驶。模型的双路由器然后选择激活哪些横向和纵向专家，影响扩散解码器生成的轨迹。
模型能否在不重新训练的情况下在场景中切换风格？ 是的，风格标签可以在任何推理步骤中更改，无需任何微调。模型设计为从同一套权重中泛化到不同风格。
当设置为激进模式时，模型是否保持安全？ 是的。激进模式产生更高的速度和更多的车道变更，但模型仍遵守交通灯、车道边界和碰撞避免。安全指标如TTC和碰撞率与中性模式水平相近。
训练风格感知模型使用了什么数据？ 基础模型在NAVSIM数据集上训练，包括数百小时的现实驾驶数据。为了教授风格，研究人员合成增强了轨迹——加速并延长用于激进，减速并扩大间距用于保守。
结论
D³-MoE证明，通过将横向和纵向决策解耦到独立的专家模块，风格可控的自动驾驶可以用单个端到端模型实现。该方法实用，基于现有数据集和基于扩散的规划，为物流、最后一公里配送和个人出行中的用户可调机器人行为打开了大门。
对于自主仓库车队，你会优先考虑哪种驾驶风格——高吞吐量的激进还是安全至上的谨慎？