復(fù)旦引望聯(lián)手搞出大動作，一款叫WAM-Diff的框架，直接給自動駕駛的核心規(guī)劃邏輯來了次大升級。

現(xiàn)在主流的端到端自動駕駛都在往“大一統(tǒng)”方向靠，但老問題一直沒解決，這次WAM-Diff算是精準(zhǔn)踩中了痛點(diǎn)。

現(xiàn)在很多自動駕駛的規(guī)劃模型，都用的是自回歸生成模式。

簡單說，就是像寫句子一樣從左到右按順序算動作。這跟咱們?nèi)祟愰_車的思路完全對不上。

咱們老司機(jī)碰到復(fù)雜路況，肯定是先想清楚最終要去哪，比如要進(jìn)匝道、要避讓行人，再倒著推現(xiàn)在該踩油門還是打方向。

那些自回歸模型可不管這些，只埋頭算下一步動作。

更麻煩的是，這些模型大多靠模仿人類駕駛數(shù)據(jù)學(xué)習(xí)，很容易陷入“平均司機(jī)”的陷阱。

意思就是只會中規(guī)中矩開車，該激進(jìn)避讓的時候不敢動，該平穩(wěn)跟車的時候又反應(yīng)遲鈍。

之前看不少自動駕駛實測，碰到突發(fā)情況就掉鏈子，多半就是這個原因。

WAM-Diff的出現(xiàn)，就是沖著解決這些問題來的。

本來想是不是單純堆參數(shù)就能解決，后來發(fā)現(xiàn)根本不行，得從根上改生成邏輯。

WAM-Diff最核心的改變，是把離散掩碼擴(kuò)散模型用在了自動駕駛規(guī)劃上。

首先它搞了個混合離散動作分詞技術(shù)，把連續(xù)的行車軌跡坐標(biāo)，精準(zhǔn)轉(zhuǎn)換成了離散的“指令塊”，誤差能控制在很小的范圍里。

這些“指令塊”還能和“左轉(zhuǎn)”“避讓”這類語義指令放在一起理解，相當(dāng)于讓模型既能看懂路，又能聽懂指令。

更有意思的是它的解碼策略。研發(fā)團(tuán)隊試了三種生成順序，最后發(fā)現(xiàn)反因果序最管用。

就是先確定遠(yuǎn)處的終點(diǎn)，再倒著規(guī)劃近處的動作，這完全復(fù)刻了人類“以終為始”的駕駛直覺。

如此看來，這種反常規(guī)的思路，反而讓行車軌跡更連貫、更安全。

為了應(yīng)對不同路況，WAM-Diff還加了MoE混合專家架構(gòu)。

簡單說就是模型里藏了64個“專項司機(jī)”，碰到十字路口、高速路這些不同場景，會自動激活最擅長的那個。

同時搭配的強(qiáng)化學(xué)習(xí)算法，還能從整個行車軌跡的角度做優(yōu)化，不光看動作像不像人，更要保證安全、合規(guī)、舒服。

這款框架的實力，在NAVSIM權(quán)威評測里得到了驗證。

在兩個版本的測試中，都拿到了頂尖成績，比現(xiàn)在不少主流模型表現(xiàn)都好。

尤其是在加了交通規(guī)則和舒適性要求的測試?yán)铮瑑?yōu)勢更明顯。

這些成績背后的意義不一般。

它證明了非自回歸生成范式在自動駕駛里是可行的，也打破了大家對“模型越復(fù)雜越好”的固有認(rèn)知。

WAM-Diff沒靠堆參數(shù)，而是靠優(yōu)化生成邏輯和架構(gòu)設(shè)計，就解決了行業(yè)痛點(diǎn)。

對行業(yè)來說，這可能是通往L4級自動駕駛的關(guān)鍵一步。

現(xiàn)在很多自動駕駛方案卡在復(fù)雜場景的決策上，WAM-Diff提供了新的思路。

它讓模型不光能“學(xué)會開車”，還能“理解為什么這么開”，可解釋性和安全性都提上去了。

WAM-Diff的出現(xiàn)，算是給端到端自動駕駛的發(fā)展指了個新方向。

未來要是能結(jié)合車路云一體化這些技術(shù)，說不定能更快推動高等級自動駕駛的商業(yè)化落地。

毫無疑問，這種從底層邏輯革新的技術(shù)，遠(yuǎn)比單純的參數(shù)升級更有價值。