截断扩散与锚点

它到底是什么意思

anchor 是预定义或聚类得到的轨迹意图先验——比如「直行」「左变道」「减速让行」这些典型模式。从 anchor 出发只需少量去噪步数就能生成可用轨迹，同时因为有多个 anchor，多模态能力也保留下来。

另一条同目标不同机制的路线是 ResAD：先用车辆当前状态建立惯性参考轨迹，再学习归一化残差——让模型只学「相对合理先验的必要偏离」。

但截断有个后遗症：模仿学习只监督最接近真值的那个「正模式」，其他 anchor 下的候选可能质量很差甚至碰撞。这正是后续用 RL 约束候选质量的动机。

机制图解

容易搞混的地方

看懂之后可以追问

1. 非最优的那些 anchor 下的候选，质量有人管吗？这是截断扩散最容易被漏掉的风险。模仿学习只监督正模式，负模式可能生成低质量甚至碰撞轨迹，而它们同样会进入候选集。
2. anchor 是怎么得到的？覆盖了哪些驾驶意图，有没有遗漏的场景？anchor 集合决定了多模态的边界。缺失的意图模式，模型在那个场景下就没有对应候选。

沿着主线继续

先知道

• 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。

接着看

• PPO 与 GRPO——都是策略优化算法；GRPO 用「同场景多条候选的组内相对好坏」算优势，省掉了单独的价值网络。

相关论文

• DiffusionDrive：端到端自动驾驶的截断扩散模型——截断 + 锚点换实时
• ResAD：端到端自动驾驶的归一化残差轨迹建模——惯性参考 + 残差
• DiffusionDriveV2：强化学习约束的截断扩散建模——锚内提质，锚间协调