📄 论文信息
- 标题：Diffusion-Based Planning for Autonomous Driving with Flexible Guidance
- 团队：清华大学（李升波、刘晶晶、詹仙园）× 中科院自动化所 × HAOMO.AI（毫末智行，顾维灏、艾锐）× 上海 AI Lab
- arXiv：2501.15564（2025 年 1 月）
- 关键词：扩散模型、闭环规划、联合预测与规划、分类器引导、DiT
- 一句话总结：把轨迹规划重定义为"未来轨迹生成"任务，用一个 DiT 同时去噪出自车规划和他车预测，再用免训练的分类器引导在推理时按需注入安全/舒适/速度偏好，无需任何规则后处理就拿下 nuPlan 闭环 SOTA。
🤔 要解决什么问题？学习式规划的三道软肋
工业界规划长期被 规则方法（IDM、EM Planner）统治——可控、可解释，但规则枚举不完，长尾一改一片。学习式规划（行为克隆 BC）想用数据替代手写规则，却在闭环里屡屡翻车：
| 软肋 | 表现 | 后果 |
|---|---|---|
| 多模态拟合差 | BC 用 L2 回归"平均"人类轨迹 | mode averaging，输出落"无人区" |
| OOD 必须靠规则兜底 | 模型直出轨迹质量差 | 大量方法叠规则后处理，又回到规则老路 |
| 目标冲突难平衡 | 安全/舒适/效率辅助 loss 互相打架 | 缺"从错误中恢复"的学习信号 |
| 训完不可调 | 想改驾驶风格得重训 | 不满足个性化部署需求 |
核心判断：扩散模型有三个天然优势正好对症——能建模复杂多模态分布、生成质量高、而且有一套灵活引导机制可以在不重训的前提下调整行为。Diffusion Planner 就是把这三点在闭环规划上彻底打通的第一篇。
🏗️ Diffusion Planner 架构
Diffusion Planner 的架构基于 DiT（Diffusion Transformer），核心是将噪声轨迹 $\bm{x}^{(t)}$ 与异质条件 $\bm{C}$ 融合后逐步去噪。
条件去噪的数学形式
去噪目标 $\bm{x}^{(0)}$ 是一个将所有参与者未来轨迹摞起来的大矩阵：
$$\bm{x}^{(0)}=\begin{bmatrix} x_{\text{ego}}^{1} & \cdots & x_{\text{ego}}^{\tau} \\ x_{\text{nbr}_1}^{1} & \cdots & x_{\text{nbr}_1}^{\tau} \\ \vdots & \ddots & \vdots \\ x_{\text{nbr}_M}^{1} & \cdots & x_{\text{nbr}_M}^{\tau} \end{bmatrix}$$扩散模型学习得分函数 $\bm{s}\theta$（等价于去噪网络 $\mu\theta$）：
$$\mathcal{L}_\theta = \mathbb{E}_{t, \bm{x}^{(0)}, \bm{\epsilon}}\left[\big\|\mu_\theta(\bm{x}^{(t)}, t, \bm{C}) - \bm{x}^{(0)}\big\|^2\right]$$推理时从纯噪声 $\bm{x}^{(T)}$ 开始，按 DDIM 调度逐步去噪至 $\bm{x}^{(0)}$。
条件注入方式
| 条件类型 | 表示 | 融合方式 |
|---|---|---|
| 当前车辆状态（位姿） | 矢量拼接 | 自注意力（多车交互） |
| 历史轨迹 + 车道 | polyline 序列 | MLP-Mixer → 交叉注意力 |
| 静态目标（红绿灯等） | 单点特征 | MLP → 交叉注意力 |
| 导航路由 + 时间步 | 路由序列 | MLP-Mixer → adaptive LayerNorm |
一个反直觉的设计：自车速度/加速度被刻意剔除——实验表明这反而提升闭环表现，避免模型过度依赖瞬时速度。
联合预测与规划
传统 pipeline 将运动预测和轨迹规划串行处理。Diffusion Planner 将它们重定义为一次联合去噪——自车轨迹与邻车轨迹在同一去噪过程中协同生成，交互行为自然涌现，无需额外 loss。
💡 核心思想：任务重定义 + 联合生成
把规划和预测压成一个去噪目标
传统 pipeline 里，运动预测和轨迹规划是两个串行子模块：先预测他车，再规划自车。Diffusion Planner 的第一步重定义是——把它们看成同一件事：给定条件 $\bm{C}$（车辆当前状态、历史、车道、导航），一次性联合生成自车与最近 $M$ 辆邻车的未来轨迹。
去噪目标 $\bm{x}^{(0)}$ 是一个把所有人未来轨迹摞起来的大矩阵：
$$\bm{x}^{(0)}=\begin{bmatrix} x_{\text{ego}}^{1} & \cdots & x_{\text{ego}}^{\tau} \\ x_{\text{nbr}_1}^{1} & \cdots & x_{\text{nbr}_1}^{\tau} \\ \vdots & \ddots & \vdots \\ x_{\text{nbr}_M}^{1} & \cdots & x_{\text{nbr}_M}^{\tau} \end{bmatrix}$$其中每个状态 $x$ 只保留坐标 + 航向角的 sin/cos（足够喂给下游 LQR 控制器）。为什么这么做？因为自车和邻车是强交互的协作关系——你变道，别人就会避让。把它们放进同一个去噪过程，模型就能学到"我这样走，他会那样反应"的协同行为，而不需要额外加交互 loss。
这与 DiffusionDrive"只生成自车"的思路不同：Diffusion Planner 更激进，一次去噪 = 一次多智能体联合仿真。代价是状态维度变大，收益是交互建模更真。
条件去噪：以场景为指挥棒
训练目标是最小化去噪残差（等价于学得分函数 $\bm{s}_\theta$）：
$$\mathcal{L}_\theta=\mathbb{E}\left[\big\|\mu_\theta(\bm{x}^{(t)},t,\bm{C})-\bm{x}^{(0)}\big\|^2\right]$$条件 $\bm{C}$ 的注入是这篇的工程精华，见下节。
🏗️ 架构详解：DiT + MLP-Mixer 的精巧拼装
Diffusion Planner 建在 DiT（Diffusion Transformer） 上，核心是怎么把"噪声轨迹 $\bm{x}$“和"异质条件 $\bm{C}$“优雅融合。
1. 车辆信息整合
把噪声未来轨迹 $\bm{x}$ 与当前状态 $x^0$ 拼接作为约束（给出明确起点）。一个反直觉的细节：自车的速度、加速度被刻意剔除——实验表明这反而提升闭环表现（避免模型过度依赖瞬时速度、学会从位姿本身推规划）。多车之间用多头自注意力交互。
2. 历史/车道：MLP-Mixer 提稠密表示
历史状态和车道都是信息稀疏的矢量（polyline 点序列），直接融合很难训。作者用 MLP-Mixer 在"矢量维"和"特征维"上交替 mixing，再池化成紧凑表示：
$$\bm{S}=\bm{S}+\text{MLP}(\bm{S}^T)^T,\quad \bm{S}=\bm{S}+\text{MLP}(\bm{S})$$两路 Mixer（车一路、车道一路）+ 静态目标 MLP，concat 后过 vanilla Transformer encoder 聚合成 $\bm{Q}_f$，再用多头交叉注意力注入到 $\bm{x}$。相比以往复杂结构设计，这是一个更统一、更简化的方案。
3. 导航信息：自适应 LayerNorm
导航（路由车道点序列）同样过 MLP-Mixer 得 $\bm{Q}_n$，与扩散时间步条件 $\bm{Q}_t$ 相加，通过 adaptive layer norm 注入所有 token——告诉模型"该往哪走 + 现在去噪到第几步”。
| 条件类型 | 表示 | 融合方式 |
|---|---|---|
| 当前车辆状态 | 矢量拼接 | 自注意力 |
| 历史 + 车道 | polyline 序列 | MLP-Mixer + 交叉注意力 |
| 静态目标 | 单点特征 | MLP |
| 导航 + 时间步 | 路由序列 | MLP-Mixer + adaptive LN |
⚔️ 灵魂创新：免训练的分类器引导
这是 Diffusion Planner 区别于所有"扩散+规划"前作的最大亮点。前人要么叠规则后处理，要么加辅助 loss 重训。Diffusion Planner 利用扩散与能量模型的近亲关系，在推理时用分类器梯度做"手术”：
$$\tilde{\bm{s}}_\theta(\bm{x}^{(t)},t)=\bm{s}_\theta(\bm{x}^{(t)},t)-\nabla_{\bm{x}^{(t)}}\mathcal{E}_\phi(\bm{x}^{(t)},t)$$目标分布变成 $p_0(\bm{x}^{(0)})\propto q_0(\bm{x}^{(0)}),e^{-\mathcal{E}(\bm{x}^{(0)})}$，其中能量函数 $\mathcal{E}$ 编码安全/舒适/速度偏好。
关键技巧是扩散后验采样（DPS）：不需要额外训练分类器，直接用已训好的去噪网络 $\mu_\theta$ 近似引导能量，完全免训练。而且不同引导（碰撞、舒适、限速）的梯度可并行计算、自由组合，按需开关。
引导能做什么
- 强化安全：把碰撞能量推高，轨迹主动绕开占用区；
- 调节舒适：压低大 jerk，轨迹更平顺；
- 控制速度：引导朝期望速度收敛，适配个性化驾驶风格（保守 vs. 激进）。
论文给了同一场景下不同引导设置生成不同轨迹的可视化——一个模型，推理时换引导就换风格，无需重训。这对真实部署是极具吸引力的特性：白天激进、雨天保守，全靠引导权重切换。
为什么引导能"免训练"
其原理值得多说一句。传统分类器引导要训一个分类器 $\mathcal{E}\phi$ 去判别"这条轨迹安不安全"，引入额处开销。Diffusion Planner 改用扩散后验采样（DPS）：直接用已训好的去噪网络 $\mu\theta$ 在每个去噪步对当前 $\bm{x}^{(t)}$ 做一次近似 CleanFP（clean full prediction），把"反推的干净轨迹"代入能量函数算梯度。于是能量函数 $\mathcal{E}$ 可以是任意可微的代价——碰撞距离、jerk 平方、速度偏差，写个公式就能用，一行额外训练都不需要。这本质上是把"规则代价函数"重新包装成"能量引导"，让规则的灵活性与生成的多模态性兼得。
🧪 实验与结果
nuPlan 闭环 SOTA
在真实世界大规模 benchmark nuPlan 上，Diffusion Planner 在学习式基线中取得闭环 SOTA，不依赖任何规则精修直接用模型输出，就能与甚至超过规则方法。挂上现成后处理模块后，进一步在所有基线中登顶。
200 小时配送车数据：验证迁移性
团队额外采集了 200 小时配送车驾驶数据（多种城市工况），验证模型对不同驾驶风格的鲁棒迁移——这对"轿车训练、货车部署"的真实场景意义重大。配送车的视野、动力学、驾驶节奏都和私家车迥异，模型能在其上保持稳定闭环表现，说明它学到的不是"某种车型的动作分布"，而是更本质的交互与规划规律。这也呼应了 DriveVLA-W0 的发现：学到世界表征的模型才具备跨域泛化能力，而死记动作的模型换域即崩。
闭环表现的关键细节
值得注意的是，Diffusion Planner 的闭环优势尤其体现在对抗性/罕见场景（reactive-test）：当自车做出一个非典型动作，周围智能体（通过 log-replay 的非反应式仿真或反应式仿真）会产生非常规反应，那些"只会模仿"的 BC 模型在这里立刻失效，而联合建模了多车交互的 Diffusion Planner 仍能产出合理轨迹。这正是"把预测和规划一起做"最直接的红利——它对交互的敏感度是单输出自车轨迹的方法学不来的。
关键消融
- 联合建模的威力：把预测和规划放一起训，比拆开加 loss 显著更好，证明协同行为是"涌现"出来的；
- 剔除自车速度：去掉反而涨，反直觉但稳定；
- 引导有效性：安全引导显著降碰撞，舒适引导降 jerk，可独立开关。
与其他扩散规划对比
| 维度 | 一般扩散规划 | Diffusion Planner |
|---|---|---|
| 输出 | 仅自车轨迹 | 自车 + M 辆邻车联合 |
| 后处理 | 重度依赖规则 | 无需规则 |
| 行为调整 | 重训 / 加 loss | 推理时引导切换 |
| 交互建模 | 额外 loss | 联合去噪自然涌现 |
📊 实验与结果
nuPlan 闭环 SOTA（无规则后处理）
在 nuPlan 闭环 benchmark 上，Diffusion Planner 在不使用任何规则后处理的情况下即达到学习式 SOTA：
| 方法 | 闭环得分 | 碰撞率↓ | 驾驶评分↑ |
|---|---|---|---|
| PlanTF（Transformer BC） | 中 | 高 | 中 |
| PLUTO（多阶段规划） | 中高 | 中 | 中高 |
| GameFormer（博弈交互） | 中 | 依赖规则 | 中 |
| Diffusion Planner（无refine） | 高 | 低 | 高 |
| Diffusion Planner（w/ refine） | SOTA | 最低 | 最高 |
关键发现：Diffusion Planner 在对抗性/罕见场景（reactive-test） 中优势最大，因为联合生成的自车-邻车交互建模使模型能理解"我变道→他避让"的因果链。
200 小时配送车迁移
| 方法 | 私家车场景 | 配送车场景（迁移） | 下降幅度 |
|---|---|---|---|
| PDM（规则） | 高 | 显著下降 | 大 |
| GameFormer | 中高 | 下降 | 中 |
| Diffusion Planner | 高 | 几乎不变 | 小 |
配送车视野、动力学、驾驶节奏与私家车迥异，Diffusion Planner 仍保持稳定闭环表现，说明模型学到了更本质的交互规则而非记忆车型特定动作分布。
引导效果消融
| 引导类型 | 碰撞率 | Jerk | 平均速度 |
|---|---|---|---|
| 无引导 | 高 | 高 | ~12 m/s |
| +安全引导 | ↓ 显著 | 高 | ~11 m/s |
| +舒适引导 | 中 | ↓ 显著 | ~11.5 m/s |
| +速度引导（10–14 m/s） | 中 | 中 | ~12.5 m/s |
| 全部组合 | 低 | 低 | 可控 |
引导可并行计算、自由组合，无需额外训练——一个模型，万种风格。
⚠️ 局限与未来方向
- 采样步数仍存在：扩散天然比单次回归多几次前向，虽能用 DDIM 加速，但对极高频率控制仍是负担；
- 引导是软约束：概率性的引导无法 100% 保证不碰撞，安全攸关场景仍需确定性安全网；
- 联合维度爆炸：邻车数 $M$ 增大时去噪维度线性涨，长时序 + 多车显存压力大。
我看好的后续方向：用 Flow Matching 替换 score 头进一步直化路径、用一致性蒸馏压到一步生成、与 GRPO 强化学习结合把分布对齐到奖励信号（参见本系列 AlphaDrive / PlannerRFT），以及把引导能量和可解释代价函数挂钩，让"软引导"具备"硬可审计性"。
📝 个人思考
Diffusion Planner 最打动我的，是它对"规划该建模什么“和”模型该多灵活“两个问题的双重发问。第一，它把预测与规划合并成一次去噪，本质上是承认了一个被 pipeline 范式掩盖的事实——自车和他车在交通里是一个耦合系统，拆开建模就是在丢信息。联合生成让"我变道、他避让"这种交互从"额外设计 loss"变成"去噪过程里自然涌现的副产品”，这种化繁为简的优雅，比堆模块更能体现对问题本质的理解。
第二点启发在**“免训练引导"的工程哲学**。绝大多数学习式规划把"训练完就定型"当成天经地义，要调风格只能重训或加规则。Diffusion Planner 用扩散与能量模型的等价关系，把"行为偏好"从权重里搬到推理时的梯度上——一个模型，万种风格，按需切换。这对我做产品的人是巨大诱惑：它意味着可以用一套底座服务不同品牌、不同城市、不同人群的驾驶偏好，差异化全靠引导配置实现。我认为这种"权重共享 + 推理分化"的范式，会从规划外溢到整个自动驾驶栈。
最后，它和规则方法的关系值得玩味。Diffusion Planner 不再像早期学习派那样把规则当对立面，而是用引导能量把规则的"可解释、可调"优点吸收了进来——能量函数本质就是连续化的代价函数。这暗示着学习与规则的融合不是"谁替代谁”，而是"学习负责分布，规则/能量负责偏好“的分层协作。当 PlannerRFT 这类工作再把 RL 闭环奖励叠上来，“扩散生成 + 引导偏好 + RL 对齐"很可能就是端到端规划的下一站终局。
🔗 延伸阅读
| 工作 | 关系 |
|---|---|
| DiffusionDrive | 本系列第 8 篇，扩散规划同行，轨迹初始化加速；Diffusion Planner 走联合生成路线 |
| Diffusion-ES / PlannerRFT | 扩散规划 + 闭环 RL 微调，本篇的下游进化 |
| Traffic Simulation（CTG++） | 多智能体联合生成的精神来源 |
| DiT / EDM | 本篇的骨干与得分参数化基础 |
| AlphaDrive | 本系列第 16 篇，GRPO 强化学习驾驶，与本篇引导互补 |
📖 这是论文精读系列的第 15 篇。当扩散模型学会"既规划又预测还能换风格”，学习式规划离真正摆脱规则拐杖还有多远？欢迎留言。