端到端驾驶框架降低轨迹碰撞率

研究者提出面向端到端自动驾驶的查询式代价学习框架；基于论文摘要，该方法在 nuScenes 上较 ST-P3、NMP 降低碰撞率并保持有竞争力的 L2，在真实驾驶日志中无需微调即可较 SparseDrive 和 Alpamayo 降低碰撞率，同时保留多样候选轨迹。 框架以紧凑的场景联合令牌聚合应急感知代价，并通过代价引导的簇内 MPPI 混合生成动态可达的自车轨迹候选计划。报道未给出具体碰撞率、L2 数值及资源开销，也未提供独立复现证据。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。