使用流匹配学习自动驾驶的直接控制策略

Learning Direct Control Policies with Flow Matching for Autonomous Driving

我们提出了一种用于自动驾驶的流匹配规划器，能够直接输出由加速度和曲率曲线定义的可执行控制轨迹。该模型以周围场景的鸟瞰图栅格为条件，在少量常微分方程积分步骤中生成控制序列，实现了适用于实时闭环重新规划的低延迟推理。我们仅在从包含反应式智能体的二维交通模拟器收集的城市场景（意大利帕尔马市的真实城市街道、交叉路口和环岛）上进行训练，并在分布内和明显分布外的环境中进行闭环评估，包括多车道高速公路和未见过的城市场景。结果表明，该模型能够可靠地泛化到这些未见条件，保持稳定的闭环控制，并成功完成与训练分布有显著差异的场景。我们将此归因于鸟瞰图表示（提供以几何为中心的视图，本质上对分布变化不敏感）以及流匹配公式（学习平滑向量场，在分布变化下表现优雅退化）。我们提供了闭环行为的视频演示，网址为https://marcelloceresini.github.io/DirectControlFlowMatching。