点击下方卡片关注“自动驾驶之心”公众号戳我-领取自动驾驶近30个方向学习路线作者 | Junli Wang等编辑 | 自动驾驶之心本文只做学术分享如有侵权联系删文自动驾驶前沿信息获取→自动驾驶之心知识星球在端到端自动驾驶End-to-End Autonomous Driving领域生成模型在轨迹规划任务中展现出了巨大的潜力。近日中科院自动化所深度强化学习团队和小米智驾团队联合发表名为MeanFuser的最新研究成果打破了现有生成范式的局限首次将MeanFlow引入端到端规划实现了极速的单步多模态轨迹生成。论文https://arxiv.org/abs/2602.20060代码https://github.com/wjl2244/MeanFuser痛点与挑战多步采样与离散锚点的局限性受扩散模型和基于流的生成模型成功的启发研究人员开始探索将这些框架应用于端到端自动驾驶中。然而原始的扩散模型通常会遭受模式崩溃的困扰导致生成的轨迹多样性受限。现有方法通过采用基于锚点引导的方法解决这一问题。然而这类方法仍然存在显著的局限性1需要多个采样步骤这导致在推理速度和模型性能之间产生权衡2依赖离散的锚点词表这种离散化限制了对更广阔轨迹空间的探索损害在超出预定义锚点分布的测试场景上的性能如图2。这引出了一个关键问题我们如何在不依赖固定、离散的锚点词表的情况下有效地对驾驶行为的多模态特性进行建模同时保持强大的轨迹规划性能核心创新MeanFuser 的三大关键设计为了实现上述目标MeanFuser创新性地引入了MeanFlow范式其网络架构主要由以下三个关键模块构成1. 高斯混合噪声GMN引导的连续采样为了消除对固定离散词表的依赖并解决标准高斯噪声采样引起的模式崩溃问题MeanFuser引入了高斯混合噪声来引导生成式采样。GMN实现了轨迹空间的连续表示。每个高斯分量捕捉一种独特的驾驶模式有效增强了模型表达多模态行为的能力同时保留子模式下的局部不确定性建模能力。2. 引入MeanFlow Identity实现单步极速生成传统的流匹配技术通常依赖瞬时速度场在推理时极易受到常微分方程ODE求解器数值误差的干扰导致轨迹质量下降且耗时较长。MeanFuser突破性地将MeanFlow Identity引入规划任务。直接建模GMN与真实轨迹分布之间的平均速度场从数学根源上消除了ODE求解带来的数值误差。大幅提升生成轨迹的平滑度与质量更实现Fast One-Step单步生成将推理延迟降至最低。3. 轻量级自适应重构模块ARM兜底安全为了在多模态输出中确保最终执行轨迹的安全性MeanFuser设计了一个轻量级的自适应重构模块AdaptiveReconstructionModule,ARM。在常规情况下ARM通过注意力权重隐式地从所有单步采样的候选轨迹中评估并挑选出最优解而在所有采样候选均存在风险的极端长尾场景下ARM能够自适应地重构出一条全新的安全轨迹。SOTA性能对比如表所示在相同的ResNet-34视觉主干网络下MeanFuser仅使用RGB图像未用激光雷达就在NAVSIM-v1上取得了89.0的PDM分数超越了所有使用了多模态摄像头激光雷达输入的竞争对手。相比基于扩散的DiffusionDrive性能高出0.9相比基于流模型的GoalFlow高出3.3。更重要的是它在无碰撞、舒适性、进度等所有子指标上都取得了最高分。在更复杂、强调反应控制的NAVSIM-v2上MeanFuser同样以EPDMS89.5的成绩位居榜首尤其在车道保持和扩展舒适度指标上提升显著。推理效率提升得益于其单步采样的设计MeanFuser展现出了极高的推理效率模型的整体推理速度达到了59帧每秒(FPS)。推理速度分别是GoalFlow的5.20倍、Hydra-MDP的2.65倍、以及DiffusionDrive的1.55倍纯规划模块排除感知编码器的推理速度更是高达434 FPS。消融实验(BaselineMeanFlow)相比直接用MLP回归轨迹的TransFuser引入MeanFlow解码器后PDMS提升了3.3。这证明了平均流范式本身的有效性。(GMN)加入高斯混合噪声引导后性能再提升0.9。分析发现GMN显著减少了所有候选轨迹都偏离可行驶区域的失败案例证明其覆盖能力更强。(ARM)用ARM替换简单的分类器选择机制性能又提升0.8达到最终的89.0。ARM进一步处理了那些初始采样全部不理想的困难场景。(平均池化)如果不用ARM而是粗暴地对8条轨迹求平均性能会暴跌17.8分。这反过来证明GMN采样出的8条轨迹确实是多样化的而不是围绕一个中心点的小波动简单求平均会得到一条无效轨迹。可视化分析多模态候选轨迹。如图5所示我们在一个特定的驾驶场景中展示了模型的多模态能力在该场景中它既采样了紧密跟随专家演示的车道保持策略也采样了执行左变道的替代策略。差异化的驾驶风格。如图4所示我们在一个特定场景中可视化了8条候选轨迹。每张图像中的所有8条轨迹均采样自同一个高斯分量。随着高斯分量均值的增加模型规划的轨迹速度从3.45m/s逐步上升到9.11m/s反映了驾驶行为从保守到激进的转变。这表明高斯混合噪声采样方法能够实现对差异化驾驶风格的建模。总结MeanFuser是首个将MeanFlow范式引入端到端自动驾驶的框架。它在“单步采样效率”和“规划性能”之间取得了极佳的平衡为端到端自动驾驶提供了一个稳健且高效的解决方案。自动驾驶之心