在规划过程中学习解释：面向自动驾驶的规则对齐扩散规划

arXiv:2609.39995v2 公告类型：替换 摘要：扩散规划器在生成多模态轨迹方面展现出强大能力。然而，现有方法主要依赖专家示范来拟合轨迹分布，学习场景、行为与轨迹之间的统计相关性，却没有显式建模驾驶规则。在专家数据稀缺的长尾场景中，缺乏可供模仿的行为可能导致生成的轨迹违反安全或合规要求。此外，其生成过程缺少规则层面的解释，因而难以确定哪些规则促使轨迹调整、这些规则何时生效以及作用强度如何，从而限制了故障诊断、安全验证和针对性改进。为解决这些局限，我们提出 Rule-Aligned Diffusion Planner（RADP），在训练过程中将可微分驾驶规则融入扩散目标，使规则知识超越有限的示范数据，成为内在的行为准则。我们进一步提出 Rule-Pressure Attribution（RPA），利用规则损失相对于预测轨迹的梯度构建监督信号，并采用轻量级归因头在线估计每条规则施加的优化压力。为评估这些归因在闭环行为方面的相关性，我们提出一种时间风险对齐协议，用于评估当前的规则压力是否能够反映后续闭环执行过程中的相应风险。在 nuPlan 上的实验表明，RADP 能够改善具有挑战性的安全关键场景中的闭环规划；同时，RPA 与后续特定规则风险表现出一致的时间对齐，验证了内在规则学习和规则层面可解释性的有效性。