DiffusionDrive：端到端自动驾驶的截断扩散模型

它要解决什么问题

Diffusion 很适合生成多模态轨迹，但标准扩散要多步去噪，车端实时性无法接受。

机制拆解

1. 用多模态 anchors 作为生成起点，而不是纯噪声
2. truncated diffusion 大幅缩短去噪步数
3. 在规划质量、运行效率、模式多样性之间取平衡

量产判断

读完应该能问

• 车端实测去噪几步？延迟多少毫秒？
• 非最优 anchor 下的候选轨迹质量有人管吗？

回到术语

• 扩散模型轨迹生成——先给真实轨迹逐步加噪，再学习反向去噪——天然适合表达「未来有多个合理答案」，但多步去噪会拖慢推理。
• 截断扩散与锚点——不从纯噪声出发，而是从聚类得到的轨迹锚点加少量噪声开始去噪，用少数几步换取车端实时性。
• 多模态轨迹——未来不是一个确定的点，而是一个分布：可以跟车、变道、让行、绕行，模型输出多条候选来表达这种不确定性。