ES
Mejores opciones de conducción no siempre llevan a mejores elecciones
ExecDiffuser: Closing the Sample-to-Execution Gap in Diffusion Planning · arXiv:2610.36837
En palabras sencillas
El artículo presenta ExecDiffuser, un método para planificadores de conducción que generan rutas posibles y eligen una para el vehículo. Entrena la generación de rutas con información sobre el posible rendimiento de cada una y luego aprende a elegir una que supere una comprobación de validez en línea.
La trayectoria elegida sirve de contexto para la siguiente ronda de planificación. Si ninguna ruta supera la comprobación, el método recurre a una maniobra determinista de riesgo mínimo. En nuPlan, una prueba de conducción simulada que puntúa planificadores en ejecuciones de bucle cerrado, ExecDiffuser obtuvo una media superior a la de dos planificadores reproducidos en seis configuraciones.
Una prueba independiente de las candidatas mostró que mejorar las rutas disponibles, por sí solo, no garantizaba que la ruta elegida obtuviera una puntuación mayor.
La investigación
Si un planificador de conducción puede generar una ruta sólida, ¿la elegirá realmente?
En la conducción en bucle cerrado, el vehículo sigue la trayectoria publicada y entra en una escena distinta antes del siguiente ciclo de planificación. Por eso, la calidad de las candidatas, por sí sola, puede pasar por alto si la decisión a la que se compromete el planificador es buena.
ExecDiffuser entrena propuestas de trayectorias con evidencia de ejecución y aprende un selector recurrente que publica una candidata que supera su comprobación de validez y la devuelve como contexto para el siguiente ciclo; si ninguna la supera, recurre a una maniobra determinista de riesgo mínimo.
nuPlan evalúa planificadores en simulaciones de conducción en bucle cerrado y puntúa su rendimiento.
En sus seis configuraciones, ExecDiffuser obtuvo una media de 85,62 puntos entre cinco semillas, por encima de Diffusion Planner (81,60) y FlowDrive (84,31), ambos reproducidos con el mismo protocolo.
En estados equivalentes de Val14, el entrenamiento aplicado solo a las propuestas mejoró la puntuación de la mejor candidata, pero redujo ligeramente la puntuación elegida con la misma regla de imitación. Esto muestra por qué evaluar solo las candidatas puede pasar por alto la decisión que determina el siguiente estado de conducción.
Las evaluaciones usan simuladores y una prueba de conducción independiente; el artículo no presenta validación interactiva en el mundo real.
Un diagnóstico también detectó decisiones de validez incorrectas en intersecciones con visibilidad obstruida, por lo que estos resultados no establecen que las comprobaciones de validez sean fiables en todas las escenas.
Qué muestran las pruebas
- La candidata y la elección
ExecDiffuser es un método recurrente de planificación de conducción: genera trayectorias candidatas y publica una que supera su comprobación de validez en línea para controlar el vehículo. Si ninguna la supera, recurre a una maniobra determinista de riesgo mínimo.
Cuando publica una candidata, esa trayectoria alimenta el siguiente ciclo de planificación y conecta generación, compromiso y replanificación. El artículo pregunta si evaluar solo las candidatas refleja la decisión que seguirá el vehículo.
Usa nuPlan, una prueba de conducción simulada que puntúa planificadores en ejecuciones de bucle cerrado, junto con diagnósticos comparables que contrastan las opciones disponibles con la decisión publicada.
- Cuando las opciones superan a la elección
Para separar las opciones disponibles de la elección, los autores clonaron estados elegibles de Val14, una configuración de evaluación de nuPlan, que tenían al menos una candidata válida. Un evaluador del simulador puntuó cada trayectoria en una ejecución independiente de ocho segundos, sin replanificación; los autores calcularon la mejor puntuación del conjunto completo y la de la candidata publicada, y luego promediaron los resultados entre cinco semillas.
La mejor alternativa incluía candidatas rechazadas por la comprobación de validez en línea. Con la misma regla de elección basada en imitación, el entrenamiento aplicado solo a las propuestas elevó la mejor puntuación de 90,33 a 91,36 puntos, pero redujo la puntuación elegida de 89,82 a 89,64 frente a las propuestas de base, ampliando la diferencia entre ambas.
- Mejorar las opciones disponibles
La generación de candidatas tiene su propio cambio de entrenamiento. Intent-Guided Diffusion Proposal (IGD) asigna la responsabilidad durante el entrenamiento según la cercanía a las rutas demostradas y la evidencia de ejecución; luego, un paso de ajuste independiente modifica la geometría de las trayectorias.
Al mantener fijo el componente completo Execution-Grounded Selection (EGS), añadir una asignación de responsabilidad condicionada por la ejecución y el ajuste geométrico elevó de 91,36 a 92,63 puntos de nuPlan la mejor puntuación del conjunto completo, promediada entre cinco semillas. Ese techo más alto no indica qué trayectoria publica realmente el planificador.
- Convertir opciones en decisiones
Execution-Grounded Selection (EGS) se ocupa de la etapa de elección. Filtra propuestas inválidas, aprende una utilidad que depende del contexto para ordenar las que superan el filtro y usa información de la escena, de la ejecución y de la publicación anterior.
La ruta elegida vuelve como contexto para el siguiente ciclo; si ninguna supera el filtro, el planificador usa una maniobra determinista de riesgo mínimo. Con el generador de propuestas fijo, una comparación equivalente en Val14 encontró que EGS elegía la candidata con mejor puntuación en una mayor proporción de estados elegibles y reducía la diferencia media de puntuación frente a la mejor alternativa retrospectiva, en comparación con la selección por imitación.
- Evaluar el ciclo completo de conducción
En seis configuraciones de nuPlan, ExecDiffuser obtuvo una media de 85,62 puntos entre cinco semillas, por encima de Diffusion Planner (81,60) y FlowDrive (84,31), reproducidos con la misma versión, los mismos escenarios, simulador y protocolo de puntuación. En una intervención independiente con estados equivalentes, el mismo planificador fijo obtuvo una puntuación 1,90 puntos mayor durante una ejecución de ocho segundos cuando empezó con una trayectoria elegida por EGS durante cuatro segundos, en vez de una elegida por imitación. Estos resultados respaldan la interpretación de los autores de que la selección puede importar después de que el vehículo ejecuta una trayectoria.
Detalles
- Autores del paper original
- Shuo Pei, Bosun Liang, Saihui Zha, Chen Sun, Huachun Tan
- Enviado a arXiv
- Licencia
- arXiv non-exclusive