本期为 2026-03-16 的 AI Daily Digest 深度解析专栏，本文基于外媒最新报导进行深度编译。

CarPLAN：为自动驾驶注入动态场景感知与上下文自适应规划能力

摘要： 想象一下，一辆自动驾驶汽车不仅能精确复现人类司机的驾驶轨迹，更能像一位经验丰富的老司机一样，理解复杂的交通场景、预判周围参与者的动态，并自适应地做出最安全、最合理的决策。这正是CarPLAN框架所追求的目标。它超越了传统的模仿学习范式，通过两项核心技术革新，为自动驾驶的“大脑”赋予了真正的场景理解与上下文自适应能力。

在自动驾驶领域，运动规划是连接感知、预测与车辆控制的“决策中枢”，其核心任务是根据环境信息生成安全、舒适且符合交规的行驶轨迹。模仿学习因其数据驱动、能有效利用海量真实驾驶数据的特性，已成为该领域的主流方法之一。然而，传统的模仿学习模型往往陷入“照猫画虎”的困境——它们擅长复现专家（人类司机）的轨迹，却难以理解轨迹背后复杂的驾驶上下文，更无法在多变、动态的交通场景中进行自适应决策。

针对这一核心挑战，来自康奈尔大学等机构的研究团队提出了 CarPLAN 框架。该框架并非对模仿学习的简单修补，而是从空间关系建模和动态专家选择两个维度进行了根本性创新，旨在构建一个真正具备动态场景感知与上下文自适应能力的规划系统。

核心创新：两大支柱技术详解

CarPLAN的成功建立在两项相辅相成的技术创新之上，它们共同解决了传统模仿学习在空间感知和场景适应性方面的不足。

1. 位移感知预测编码：从“看位置”到“懂关系”

传统的规划模型通常将场景编码为静态的“快照”，关注自车与周围物体在某一时刻的绝对位置。然而，驾驶决策的关键往往在于相对运动趋势和未来的空间关系。

Displacement-Aware Predictive Encoding (DPE) 正是为此而生。它的核心思想是：让模型不仅看到现在，更要学会预测未来。

• 工作原理：DPE模块在模型编码场景信息的同时，会预测未来一段时间内，自车与周围关键场景元素（如其他车辆、行人、车道线等）之间的位移向量。这些向量描述了未来两者相对位置的变化趋势。
• 双重监督：为了确保模型真正学到有意义的空间关系，CarPLAN在训练时引入了双重损失函数：
  1. 标准模仿损失：确保生成的轨迹与专家轨迹相似。
  2. 增强的位移预测损失：惩罚模型预测的未来位移向量与真实未来位移之间的误差。这一损失至关重要，它迫使模型在规划当前轨迹时，必须认真考虑其决策对未来与周围物体相对距离的影响。
• 带来的优势：
  • 增强的空间意识：模型内化了“保持安全车距”、“预留超车空间”、“避免切入冲突”等概念，不再是简单的坐标拟合。
  • 更鲁棒的规划：通过显式地建模和优化未来空间关系，规划出的轨迹在动态交互中更具前瞻性和安全性。

2. 上下文自适应多专家解码器：为不同场景调用最合适的“大脑”

真实的驾驶场景千变万化：城市拥堵、高速巡航、无保护左转、环岛通行……每种场景对规划策略的要求截然不同。用一个固定的“大脑”处理所有情况，难免会力不从心。

Context-Adaptive Multi-Expert Decoder (CMD) 借鉴了混合专家的思想，为模型装上了多个“子专家大脑”，并能根据当前场景动态选择调用。

• 架构设计：在Transformer解码器的每一层，CMD都部署了一组不同的“专家”网络。每个专家可能更擅长处理某类特定的场景模式（例如，擅长处理密集车流的专家、擅长处理交叉口的专家等）。
• 动态路由机制：对于每一个输入的场景表征，一个轻量级的门控网络会实时分析场景结构（如交通参与者的数量、分布、道路拓扑复杂度等），并计算出权重，动态地组合或选择最相关的一个或几个专家来生成当前层的输出。
• 带来的优势：
  • 极强的场景适应性：模型不再是“一刀切”，而是能够根据场景的细微差别，灵活调整其内部的决策逻辑。
  • 提升模型容量与效率：MoE架构允许模型总体参数量很大（拥有多个专家），但每次前向推理时只激活部分参数，实现了计算效率与模型表达能力之间的良好平衡。
  • 可解释性线索：专家选择的过程本身可以作为一种弱监督信号，帮助我们理解模型将当前场景归类为何种类型。

性能验证：在权威基准测试中脱颖而出

研究团队在自动驾驶领域最权威的闭环仿真基准之一——nuPlan上对CarPLAN进行了全面评估。

• 全面领先：实验结果表明，CarPLAN在nuPlan的所有闭环仿真指标上均取得了最先进的性能。这证明了其整体规划能力的优越性。
• 挑战场景显真章：特别是在最具挑战性的 Test14-Hard 场景集中（包含大量复杂交互、密集交通和困难决策），CarPLAN表现出了卓越的鲁棒性。这直接验证了其“上下文自适应”和“动态场景感知”设计在真实复杂条件下的有效性。
• 强大的泛化能力：为了进一步证明其普适性，团队还在另一个主流基准 Waymax 上进行了测试。CarPLAN同样表现优异，展示了其框架设计不依赖于特定数据集或仿真设置，具备良好的跨基准泛化能力。

总结与展望

CarPLAN代表了一种将模仿学习从“行为克隆”推向“上下文理解与决策”的重要范式演进。它通过：

1. 位移感知预测编码，将对未来空间关系的显式建模融入规划过程，赋予了模型更深层的物理和交互理解。
2. 上下文自适应多专家解码器，实现了根据场景动态调整决策策略的能力，极大地提升了模型在多样化、动态环境中的适应性和鲁棒性。

这项研究不仅提供了一个性能强大的具体框架，更重要的是为自动驾驶规划领域指明了方向：未来的规划器必须超越轨迹模仿，成为一个能够深度理解场景、预测交互、并基于上下文做出智能、自适应决策的认知智能体。CarPLAN在这条道路上迈出了坚实而富有启发性的一步。

本文核心要点：

• 问题：传统模仿学习规划器缺乏对驾驶上下文的理解和自适应能力。
• 方案：CarPLAN框架，包含DPE（增强空间关系感知）和CMD（实现场景自适应决策）两大创新模块。
• 验证：在nuPlan和Waymax基准测试中取得SOTA性能，尤其在复杂场景下表现出色。
• 意义：推动了自动驾驶规划从“行为模仿”到“上下文理解与决策”的范式转变。

阅读原文：https://arxiv.org/abs/2603.12607