CarPlanner提出一种基于一致性自回归的自动驾驶强化学习轨迹规划器，在大规模数据集nuPlan上超越现有方法，提升训练效率和性能。
原文标题：【CVPR2025】CarPlanner: 一种用于自动驾驶大规模强化学习的一致性自回归轨迹规划
原文作者：数据派THU
冷月清谈：
CarPlanner是一种用于自动驾驶的新型轨迹规划器，它采用基于一致性的自回归结构，并利用强化学习（RL）生成多模态轨迹。该规划器旨在解决RL方法在训练效率和处理大规模现实驾驶场景方面所面临的挑战。CarPlanner通过自回归结构实现高效的大规模RL训练，并通过引入一致性来保持时间步之间的一致性，从而确保稳定的策略学习。此外，CarPlanner采用生成-选择框架，结合专家引导的奖励函数和不变视角模块，简化RL训练并提升策略性能。实验结果表明，CarPlanner在训练效率和性能提升方面表现出色，并在nuPlan数据集上超越了基于模仿学习和基于规则的现有方法。
怜星夜思：
1、CarPlanner中提到的“一致性”具体指的是什么？这种一致性对于自动驾驶的安全性有多重要？
2、文章提到CarPlanner在nuPlan数据集上超越了基于模仿学习（IL）和基于规则的方法，这意味着什么？未来RL在自动驾驶领域会完全取代这些传统方法吗？
3、CarPlanner采用了“生成-选择”框架，结合专家引导的奖励函数。 这种框架设计有什么优势？ 如果让你来设计自动驾驶的奖励函数，你会考虑哪些因素？
2、文章提到CarPlanner在nuPlan数据集上超越了基于模仿学习（IL）和基于规则的方法，这意味着什么？未来RL在自动驾驶领域会完全取代这些传统方法吗？
3、CarPlanner采用了“生成-选择”框架，结合专家引导的奖励函数。 这种框架设计有什么优势？ 如果让你来设计自动驾驶的奖励函数，你会考虑哪些因素？
原文内容
来源：专知本文约1000字，建议阅读5分钟
在本文中，我们提出了CarPlanner，一种基于一致性的自回归规划器，利用RL生成多模态轨迹。
轨迹规划对于自动驾驶至关重要，确保在复杂环境中实现安全高效的导航。尽管最近基于学习的方法，特别是强化学习（RL），在特定场景中展现了潜力，但RL规划器在训练效率和处理大规模现实驾驶场景方面仍面临挑战。
在本文中，我们提出了CarPlanner，一种基于一致性的自回归规划器，利用RL生成多模态轨迹。自回归结构实现了高效的大规模RL训练，而一致性的引入通过保持时间步之间的一致性，确保了稳定的策略学习。此外，CarPlanner采用了一种生成-选择框架，结合专家引导的奖励函数和不变视角模块，简化了RL训练并提升了策略性能。
大量分析表明，我们提出的RL框架有效解决了训练效率和性能提升的挑战，使CarPlanner成为自动驾驶轨迹规划的有前景的解决方案。据我们所知，我们是首个证明基于RL的规划器能够在具有挑战性的大规模现实数据集nuPlan上超越基于模仿学习（IL）和基于规则的最先进方法（SOTAs）的研究。我们提出的CarPlanner在这一高要求数据集中超越了基于RL、IL和规则的SOTA方法。
