WAM-Flow: Parallel Coarse-to-Fine Motion Planning via Discrete Flow Matching for Autonomous Driving

TL;DR

WAM-Flow通过离散流匹配实现自动驾驶中的并行粗细运动规划,1步推理达89.1 PDMS。

cs.RO 🔴 高级 2025-12-06 3 次浏览
Yifang Xu Jiahao Cui Feipeng Cai Zhihao Zhu Hanlin Shang Shan Luan Mingwang Xu Neng Zhang Yaoyi Li Jia Cai Siyu Zhu
自动驾驶 运动规划 离散流匹配 并行推理 深度学习

核心发现

方法论

WAM-Flow使用视觉-语言-动作模型,将自车轨迹规划转化为结构化符号空间上的离散流匹配。该方法结合了度量对齐的数值标记器、几何感知流目标和模拟器引导的GRPO对齐,实现了并行生成和粗细粒度的推理。

关键结果

  • 在NAVSIM v1基准上,WAM-Flow在1步推理中达到了89.1 PDMS,而在5步推理中达到了90.3 PDMS,显著优于自回归和扩散基线。
  • 与RecogDrive相比,1步推理速度提高了4.67倍,而5步推理则匹配了其延迟。
  • 在NAVSIM v2基准上,完整模型实现了84.7 EPDMS,展示了其在复杂场景中的鲁棒性。

研究意义

该研究为端到端自动驾驶提供了一种新的运动规划范式,解决了自回归解码的效率瓶颈,并通过离散流匹配提高了推理速度和精度。这一方法在学术界和工业界具有重要意义,特别是在需要高效和安全的自动驾驶系统中。

技术贡献

WAM-Flow在技术上通过将自回归模型转化为非因果流模型,结合多模态预训练,增强了道路场景的理解能力,并通过并行解码推理实现了更高的闭环性能。

新颖性

WAM-Flow首次在自动驾驶中应用离散流匹配,提供了一种新的运动规划方法,与现有的自回归和扩散方法相比,具有显著的效率和精度优势。

局限性

  • 在复杂的城市环境中,模型可能需要更多的计算资源来实现高精度的轨迹规划。
  • 模型的性能依赖于高质量的训练数据,可能在数据稀缺的场景中表现不佳。

未来方向

未来的研究可以探索在更复杂的驾驶场景中应用WAM-Flow,并通过结合更多的传感器数据来提高模型的鲁棒性和精度。

AI 总览摘要

自动驾驶领域一直面临着如何在保证安全的前提下实现高效运动规划的挑战。现有的方法大多依赖于自回归解码,这种方法在处理复杂场景时效率较低。WAM-Flow通过引入离散流匹配,提供了一种新的并行粗细运动规划方法。

WAM-Flow的核心在于将自车轨迹规划转化为结构化符号空间上的离散流匹配。该方法结合了度量对齐的数值标记器、几何感知流目标和模拟器引导的GRPO对齐,实现了并行生成和粗细粒度的推理。实验结果表明,WAM-Flow在NAVSIM v1基准上实现了显著的性能提升,1步推理达到了89.1 PDMS。

这一研究为端到端自动驾驶提供了一种新的运动规划范式,解决了自回归解码的效率瓶颈,并通过离散流匹配提高了推理速度和精度。未来的研究可以探索在更复杂的驾驶场景中应用WAM-Flow,并通过结合更多的传感器数据来提高模型的鲁棒性和精度。

深度分析

研究背景

自动驾驶技术近年来取得了显著进展,但在运动规划方面仍面临挑战。传统的自回归方法在处理复杂场景时效率较低,难以满足实时性要求。近年来,扩散模型和多模态学习方法被引入自动驾驶领域,但仍存在推理速度和精度的权衡问题。

核心问题

自动驾驶中的运动规划需要在保证安全的前提下实现高效的轨迹预测。现有的方法大多依赖于自回归解码,这种方法在处理复杂场景时效率较低,难以满足实时性要求。

核心创新

WAM-Flow通过引入离散流匹配,提供了一种新的并行粗细运动规划方法。该方法结合了度量对齐的数值标记器、几何感知流目标和模拟器引导的GRPO对齐,实现了并行生成和粗细粒度的推理。

方法详解

  • �� 使用度量对齐的数值标记器,将连续标量离散化为共享码本。
  • �� 设计几何感知流目标,结合模拟器引导的GRPO对齐。
  • �� 通过多阶段适应,将预训练的自回归模型转化为非因果流模型。

实验设计

实验在NAVSIM v1和v2基准上进行,使用PDMS和EPDMS作为主要评估指标。模型在1步和5步推理中分别达到了89.1和90.3 PDMS,显著优于自回归和扩散基线。

结果分析

WAM-Flow在NAVSIM v1基准上实现了89.1 PDMS的1步推理性能,并在5步推理中达到了90.3 PDMS,显著优于现有的自回归和扩散方法。

应用场景

WAM-Flow可用于自动驾驶系统中的运动规划,特别是在需要高效和安全的场景中。其并行推理能力使其在复杂场景中具有显著优势。

局限与展望

模型在复杂的城市环境中可能需要更多的计算资源来实现高精度的轨迹规划。此外,模型的性能依赖于高质量的训练数据,可能在数据稀缺的场景中表现不佳。

通俗解读 非专业人士也能看懂

想象你在厨房里做饭。传统的方法就像按顺序准备每道菜,先切菜,再炒菜,最后上桌。而WAM-Flow就像同时准备多道菜,多个锅同时开火,节省时间。通过这种并行的方式,WAM-Flow可以快速调整每道菜的味道和火候,确保每道菜都达到最佳状态。这种方法在自动驾驶中就像在复杂的交通环境中快速规划出最佳的行驶路线。

简单解释 像给14岁少年讲一样

想象你在玩一个赛车游戏。传统的方法就像每次只能控制一个方向键,慢慢调整方向。而WAM-Flow就像可以同时按下多个方向键,快速调整赛车的方向和速度。这种方法让你在游戏中可以更快地避开障碍物,找到最佳的赛车路线。是不是很酷?

术语表

离散流匹配

一种将概率分布从简单分布转移到数据分布的方法,通过连续时间马尔可夫链实现。

用于WAM-Flow中的运动规划。

度量对齐的数值标记器

将连续标量离散化为共享码本,并通过三元组边距学习保持标量几何。

用于WAM-Flow中的数值标记。

模拟器引导的GRPO对齐

一种结合安全、进度和舒适奖励的对齐方法,保持并行生成能力。

用于WAM-Flow中的闭环控制。

PDMS

预测驾驶模型评分,综合评估自动驾驶系统的安全性和性能。

用于评估WAM-Flow的实验结果。

EPDMS

扩展预测驾驶模型评分,包含更多子指标以全面评估驾驶性能。

用于评估WAM-Flow在NAVSIM v2基准上的表现。

开放问题 这项研究留下的未解疑问

  • 1 如何在数据稀缺的场景中提高WAM-Flow的性能?现有方法依赖于高质量的训练数据,未来需要探索数据增强和迁移学习技术。

应用场景

近期应用

城市自动驾驶

WAM-Flow可用于城市环境中的自动驾驶,特别是在需要快速响应的复杂交通场景中。

远期愿景

全自动驾驶

随着技术的进步,WAM-Flow有望在全自动驾驶中实现更高的安全性和效率,成为未来自动驾驶系统的核心技术。

原文摘要

We introduce WAM-Flow, a vision-language-action (VLA) model that casts ego-trajectory planning as discrete flow matching over a structured token space. In contrast to autoregressive decoders, WAM-Flow performs fully parallel, bidirectional denoising, enabling coarse-to-fine refinement with a tunable compute-accuracy trade-off. Specifically, the approach combines a metric-aligned numerical tokenizer that preserves scalar geometry via triplet-margin learning, a geometry-aware flow objective and a simulator-guided GRPO alignment that integrates safety, ego progress, and comfort rewards while retaining parallel generation. A multi-stage adaptation converts a pre-trained auto-regressive backbone (Janus-1.5B) from causal decoding to non-causal flow model and strengthens road-scene competence through continued multimodal pretraining. Thanks to the inherent nature of consistency model training and parallel decoding inference, WAM-Flow achieves superior closed-loop performance against autoregressive and diffusion-based VLA baselines, with 1-step inference attaining 89.1 PDMS and 5-step inference reaching 90.3 PDMS on NAVSIM v1 benchmark. These results establish discrete flow matching as a new promising paradigm for end-to-end autonomous driving. The code will be publicly available soon.

cs.RO cs.AI cs.CV