TerraTransfer++：无需示范的端到端规划器

arXiv:2610.30319v1 公告类型：交叉发布 摘要：端到端自动驾驶已在基准测试和实际部署中达到最先进的性能。然而，在现有的各类范式下，其标准训练流程都成本高昂：模仿学习需要车队规模的驾驶日志，但其行为分布对安全关键的长尾场景覆盖十分有限；在逼真模拟器中进行闭环强化学习虽然能提供多样化的行为，却受限于样本效率、每一步的渲染成本，以及大型视觉骨干网络的前向传播开销。矢量化模拟器中的自博弈改变了这一成本格局：以每秒数百万步的轨迹展开速度，可以获得在碰撞、险些碰撞和恢复方面具有自然多样性的状态分布，这是任何驾驶日志都无法涵盖的；而仅凭基本的驾驶质量奖励，就能涌现出反应高度灵敏的策略。我们的方法利用了这种不对称性。我们通过自博弈预训练一个策略，将其展开的轨迹蒸馏为一个同样具备规划能力、基于流匹配的轨迹教师模型，并在冻结的预训练视觉骨干网络上训练轻量级适配器，通过动作 KL 散度、批次关系低秩结构损失，以及针对规划器的轨迹匹配损失，复现两种教师模型中任一种的潜在空间。每个训练目标都可追溯到自博弈策略，因此对齐过程从不使用日志中记录的轨迹作为监督：只需由（图像，场景状态）帧组成的配对数据集，无需模仿预训练所依赖的精心筛选的专家示范。从这一个自博弈教师模型出发，我们得到两个端到端学生模型：一个闭环策略，在采用逼真三维高斯泼溅的闭环基准 HUGSim 上超越了所有已发表的基于模仿学习的端到端方法；另一个规划器，无需人类示范便在 NAVSIM navhard 上取得 59.4 的 EPDMS，超过包括 DriveZero-Scale（57.1）在内的所有已发表方法，并在 navtest 上取得 95.5 的 PDMS。