核心发现
方法论
本文通过在多个公开驾驶数据集（如nuScenes、NAVSIM-v1、NAVSIM-v2）上扩展交通元素标注，构建统一基础设施。采用轻量级的3D交通元素检测、拓扑关系预测与结构化语言编码，结合视觉编码器（如ResNet、BEV编码）实现交通元素的插入。引入交通元素监督（L1和焦点损失）及拓扑条件编码（基于BERT），实现“即插即用”的集成，兼容多种端到端模型（如回归、扩散、评分等）。在此基础上，设计多模态融合策略，将交通元素信息融入规划解码器，提升决策合理性。
关键结果
- 在nuScenes上，交通元素引入后，L2轨迹误差平均降低0.09米，碰撞率降低0.05%，显著优于基线模型。NAVSIM-v2测试中，结合交通元素的模型在EPDMS指标上提升47%，达成新SOTA。在Bench2Drive闭环测试中，驾驶得分提升2.5分，成功率提高4%。多模型实验显示，交通元素感知带来稳定性能提升，尤其在复杂交叉口和规则遵守方面效果显著。
- ablation分析表明，3D交通元素表示优于2D投影，交通标志比灯光更关键，拓扑关系补充局部规则信息，整体提升模型对交通规则的理解和执行能力。
- 在不同模型架构中，交通元素的引入保持良好泛化能力，验证了其作为通用信号的潜力。该方法在实际部署中几乎无额外计算开销，具有极强的实用价值。
研究意义
该研究填补了交通元素在端到端自主驾驶中的系统性研究空白，强调交通规则和拓扑关系对安全性和合规性的关键作用。通过统一标注和轻量级集成，显著提升多模型架构的鲁棒性和泛化能力，为未来智能驾驶系统提供了可靠的技术基础。该方法不仅改善了模型的决策质量，也推动了交通场景理解的深度融合，为行业实现更安全、更智能的自动驾驶奠定基础。
技术贡献
提出了一套“即插即用”的交通元素感知框架，结合3D检测、拓扑关系预测与结构化语言编码，极大简化了多模型集成难度。引入交通元素监督机制，增强模型对关键交通规则的理解。创新性地将交通元素和拓扑信息融入端到端规划中，提升模型的规则遵守能力和场景理解深度。实验验证在多个数据集和模型架构中均取得显著性能提升，展示了其广泛适用性和优越性。
新颖性
本研究首次系统性地将交通元素作为“即插即用”的信号引入端到端自主驾驶系统，突破了以动态交通参与者为核心的传统范式。通过结合3D交通元素检测、拓扑关系编码和结构化语言表达，创新性地实现了多模型架构的统一感知增强。相较于以往仅依赖几何或动态目标的方案，本方法强调规则和拓扑关系的关键作用，具有开创性意义。
局限性
- 当前方法依赖于高质量的交通元素检测和拓扑关系预测，若检测失败或拓扑关系错误，可能影响整体性能。
- 在极端复杂场景或稀疏交通元素环境下，模型的鲁棒性仍需验证，存在一定的局限性。
- 引入交通元素增加了系统复杂度，尽管计算开销有限，但在极端资源受限的场景中仍需优化。
未来方向
未来将探索多模态信息融合的深度优化，提升交通元素检测的鲁棒性。考虑引入端到端学习中的自监督机制，减少对标注的依赖。扩展到更复杂的交通场景和多车协同，推动系统在真实环境中的部署。同时，结合强化学习优化决策策略，实现更高的安全性和效率。
AI 总览摘要
随着自动驾驶技术的快速发展，端到端学习方法逐渐成为研究热点。然而，现有模型多专注于动态交通参与者（如车辆、行人），忽视交通元素（如交通灯、标志）在规则遵守中的关键作用。本文提出一种“即插即用”的交通元素感知框架，通过在多个公开数据集（nuScenes、NAVSIM-v1、NAVSIM-v2）上扩展标注，实现交通元素的3D检测、拓扑关系预测和结构化语言编码。该方法将交通元素信息无缝集成到多种端到端模型中，包括回归、扩散和评分模型，显著提升了模型的规则理解和决策能力。
实验结果显示，交通元素引入后，在nuScenes上轨迹误差降低0.09米，碰撞率降低0.05%，在NAVSIM-v2中EPDMS指标提升47%，达成新SOTA。在Bench2Drive闭环测试中，驾驶得分提升2.5分，成功率提高4%。 Ablation分析验证了3D表示、拓扑关系和交通标志的重要性，表明交通元素作为“规则信号”具有广泛的适用性和稳定性。
该研究突破了传统以动态目标为核心的感知范式，强调交通规则和拓扑关系在安全性和合规性中的核心作用，为未来智能驾驶系统提供了强有力的技术支撑。其轻量级设计确保了在实际部署中的高效性和普适性，有望推动行业迈向更安全、更智能的自动驾驶新时代。
深度分析
研究背景
自动驾驶技术经历了从感知到规划的逐步演进。早期方法依赖高精度地图和规则驱动，代表如Waymo和Tesla的系统强调感知与规则遵守。近年来，端到端学习（如Wayve、Nuro）逐渐兴起，试图用深度模型直接映射传感器到控制指令，但多忽视交通规则和拓扑关系。现有研究多集中在动态交通参与者（车辆、行人），而对交通元素（交通灯、标志）关注不足。尽管一些工作引入地图或几何信息，但缺乏系统性分析其对模型性能的影响。随着复杂交叉口和交通法规的增加，理解交通元素的重要性日益凸显，但缺乏统一、轻量的集成方案。
核心问题
核心问题在于交通元素在端到端自主驾驶中的作用未被充分挖掘。现有模型多依赖几何和动态目标，忽视交通规则信号，导致在复杂场景中易违规或误判。公共数据集缺乏结构化交通元素标注，限制了系统性研究。不同模型架构的异质性也使得单一方案难以推广。如何高效、普适地将交通元素信息融入多模型体系，提升规则理解和场景适应性，成为亟待解决的难题。
核心创新
本研究的创新点包括：1）构建多数据集的交通元素标注体系，解决数据不足问题；2）提出轻量级3D交通元素检测和拓扑关系预测机制，增强场景理解；3）引入结构化语言编码，作为规则信号融入模型；4）实现“即插即用”的集成方式，兼容多模型架构。这些创新突破了传统几何或动态目标导向的限制，强调规则和拓扑关系在安全性中的核心作用，为端到端自主驾驶提供了新的思路。
方法详解
- �� 数据扩展：在nuScenes、NAVSIM等数据集上加入交通元素标注，包括交通灯、标志的3D位置和类别。
- �� 交通元素检测：采用YOLO等模型进行2D检测，结合深度估计（UniDepthv2）和LiDAR点云，推算3D中心点。
- �� 拓扑关系预测：利用轻量级MLP预测交通元素与车道中心线的关系，形成邻接矩阵。
- �� 结构化编码：将交通元素类别、拓扑关系转为自然语言描述，输入预训练BERT编码器，生成规则条件。
- �� 融合策略：将交通元素的3D表示和拓扑编码与视觉特征拼接，作为解码器输入，指导轨迹规划。
- �� 训练目标：在主任务损失基础上加入交通元素检测（L1、焦点损失）和拓扑条件损失，整体优化。
实验设计
在nuScenes、NAVSIM-v1、NAVSIM-v2和Bench2Drive上进行评估，比较引入交通元素前后模型的性能变化。采用L2轨迹误差、碰撞率、EPDMS等指标，验证不同模型（回归、扩散、评分）在多场景中的表现。通过消融实验分析3D表示、拓扑编码和交通标志的贡献。参数设置遵循各模型原始训练方案，确保公平性。结果显示交通元素显著提升模型安全性和规则遵守能力，验证其作为通用信号的有效性。
结果分析
引入交通元素后，nuScenes模型L2误差平均降低0.09米，碰撞率降低0.05%，在NAVSIM-v2中EPDMS提升47%，刷新SOTA。闭环测试中，驾驶得分提升2.5分，成功率提高4%。ablation验证3D表示优于2D，交通标志比灯光更关键，拓扑关系增强规则理解。多模型表现一致，验证了方法的普适性。整体结果表明，交通元素作为“规则信号”极大改善自主驾驶模型的安全性和合规性。
应用场景
该方法适用于自动驾驶车辆的感知与决策模块，特别在复杂交叉口和交通法规严格区域。只需少量交通元素标注和轻量检测器，即可提升模型规则理解能力。未来可结合自动标注和自监督技术，降低标注成本，推动行业应用。长远来看，融合交通元素与拓扑关系，有望实现更智能、更安全的自动驾驶系统，适应多变交通环境。
局限与展望
当前方法依赖高质量交通元素检测，检测失误会影响整体性能。复杂场景下，稀疏或遮挡的交通元素可能导致信息缺失。拓扑关系预测在极端复杂环境中可能不准确。系统引入增加了计算负担，需进一步优化模型效率。未来需增强鲁棒性，减少对标注的依赖，提升在极端环境中的表现。
通俗解读 非专业人士也能看懂
想象你在开车时，除了看前方的路，还会注意交通灯、路标、指示牌。这些交通元素告诉你该停、走、转弯，帮助你遵守交通规则，避免违规。自动驾驶系统也是这样，但它的“眼睛”和“脑袋”是传感器和算法。过去的系统主要关注动态的车辆和行人，就像只关注路上的行驶车辆。而交通灯和标志就像交通警察的手势，指引车辆正确行驶。本文提出一种方法，让自动驾驶的“眼睛”不仅看到车辆，还能识别交通灯、标志，并理解它们的规则关系。这样，车辆就能像人一样，提前知道该停还是走，转弯还是直行。研究中，他们用特殊的技术把交通元素的位置信息转成数字，再用语言描述交通规则，把这些信息融入到车辆的决策中。结果显示，这样的改进让自动驾驶车辆在复杂交叉口表现更安全、更守规，减少了碰撞和违规。就像给车辆装上了“交通规则的指南针”，让它们在复杂的道路环境中也能自如应对。
原文摘要
Traffic elements such as traffic lights and road signs play a fundamental role in human driving decisions and should naturally influence end-to-end driving performance. However, existing end-to-end driving research predominantly focuses on dynamic road participants (e.g., vehicles and pedestrians), while the role of traffic elements remains largely unexplored. The community still lacks a systematic study quantifying their impact, largely because public datasets rarely provide structured traffic-element annotations and modern driving systems vary widely in architecture and training paradigm. In this work, we present the first systematic investigation of traffic element awareness for end-to-end autonomous driving. We construct a unified research infrastructure by augmenting multiple public driving datasets with comprehensive traffic-element annotations. To support diverse model families, we adopt a minimal and universal integration design that incorporates traffic-element signals into existing pipelines in a plug-and-play manner with negligible architectural modification. We evaluate this design across modern paradigms, including perception-prediction-planning pipelines, vision-language-action models (VLA), regression-based planners, diffusion-based policies, and trajectory-scoring frameworks, on nuScenes, NAVSIM-v1, NAVSIM-v2, and Bench2Drive. Across all paradigms and datasets, this simple integration consistently improves driving performance, demonstrating that traffic element awareness provides a robust and generalizable signal for end-to-end driving systems. Notably, on the challenging NAVSIM-v2 benchmark, our approach significantly improves state-of-the-art architectures and data pipelines, establishing a new state of the art.