1月20日至27日，第40屆 (AAAI 2026) 于新加坡召開(kāi)，匯聚世界頂尖學(xué)者與先鋒研究者，以智慧碰撞共繪人工智能的未來(lái)圖景。在端到端自動(dòng)駕駛領(lǐng)域，將擴(kuò)散模型的“迭代細(xì)化”能力應(yīng)用于軌跡規(guī)劃，以應(yīng)對(duì)駕駛行為中的多模態(tài)挑戰(zhàn)，是熱點(diǎn)研究方向之一。由 Nullmax 研發(fā)團(tuán)隊(duì)與浙江大學(xué)學(xué)子共同撰寫(xiě)，此次入選 AAAI 2026 的軌跡預(yù)測(cè)框架 DiffRefiner，正是對(duì)這一技術(shù)方向的深入探索，驗(yàn)證了擴(kuò)散模型在軌跡規(guī)劃中的可行性與優(yōu)越性。本文將對(duì)該項(xiàng)成果進(jìn)行系統(tǒng)解讀。

論文標(biāo)題：DiffRefiner: Coarse to Fine Trajectory Planning via Diffusion Refinement with Semantic Interaction for End to End Autonomous Driving

論文鏈接：https://arxiv.org/abs/2511.17150

DiffRefiner 是由 Nullmax 提出的最新端到端自動(dòng)駕駛規(guī)劃框架。不同于傳統(tǒng)只做單階段回歸或單純擴(kuò)散生成的工作，DiffRefiner 通過(guò)由粗到精軌跡預(yù)測(cè)框架，實(shí)現(xiàn)了“生成式+判別式”的混合范式，把判別式的高效規(guī)劃和生成式的多樣性建模有機(jī)結(jié)合。在兩個(gè)公開(kāi)基準(zhǔn)測(cè)試——真實(shí)道路數(shù)據(jù)集 NAVSIM v2 和閉環(huán)仿真基準(zhǔn) Bench2Drive中，DiffRefiner均取得了當(dāng)前最優(yōu)(SOTA)性能。

由粗到精框架，混合范式實(shí)現(xiàn)更類人決策

在整體架構(gòu)上，DiffRefiner 包含“感知模塊 + 提案解碼器 + 擴(kuò)散精煉器”三大組件。首先，我們利用基于 BEV 的感知網(wǎng)絡(luò)同時(shí)完成目標(biāo)檢測(cè)與語(yǔ)義分割，構(gòu)建結(jié)構(gòu)化的場(chǎng)景表示;隨后，一個(gè)輕量級(jí) Transformer 提案解碼器在預(yù)先聚類得到的軌跡錨點(diǎn)上做回歸調(diào)整，生成一組符合場(chǎng)景先驗(yàn)的粗軌跡提案，作為后續(xù)擴(kuò)散過(guò)程的強(qiáng)引導(dǎo)。這種“錨點(diǎn)先粗?jǐn)M合、擴(kuò)散再精修正”的混合范式，有效模擬了人類先確定大方向、再不斷微調(diào)的決策過(guò)程。既保留了判別式方法的穩(wěn)定和高效，又充分發(fā)揮了擴(kuò)散模型在多模態(tài)軌跡建模上的優(yōu)勢(shì)。

細(xì)粒度語(yǔ)義交互，讓規(guī)劃“看懂場(chǎng)景”

為了讓規(guī)劃真正“看懂場(chǎng)景”、貼合道路與交通參與者，DiffRefiner 設(shè)計(jì)了 Fine-Grained Semantic Interaction Module (FGSIM) 細(xì)粒度語(yǔ)義交互模塊。該模塊分兩步工作：先通過(guò)跨注意力將軌跡特征與可行駛區(qū)域等 BEV 語(yǔ)義區(qū)域建立全局關(guān)聯(lián)，再通過(guò)可變形注意力聚焦于車(chē)道線、路口等關(guān)鍵局部結(jié)構(gòu)和周?chē)鷦?dòng)態(tài)目標(biāo)，最后由門(mén)控融合網(wǎng)絡(luò)自適應(yīng)地平衡全局上下文與局部細(xì)節(jié)。結(jié)合約束式擴(kuò)散解碼器，DiffRefiner 能在極少的反推步數(shù)(甚至單步)內(nèi)完成高質(zhì)量精煉，實(shí)現(xiàn)真正可落地的實(shí)時(shí)端到端規(guī)劃。

刷新紀(jì)錄，雙基準(zhǔn)達(dá)成SOTA性能

實(shí)驗(yàn)數(shù)據(jù)顯示，在真實(shí)道路數(shù)據(jù)集 NAVSIM v2 和閉環(huán)仿真基準(zhǔn) Bench2Drive 上，DiffRefiner 都刷新了當(dāng)前最優(yōu)成績(jī)。在性能方面，DiffRefiner 在 NAVSIM v2 上取得 87.4 的 EPDMS，在 Bench2Drive 上獲得 87.1 的 Driving Score 和 71.4 的 Success Rate，雙雙刷新公開(kāi)基準(zhǔn)的最好記錄，并在合流、超車(chē)、禮讓、緊急制動(dòng)等多項(xiàng)能力指標(biāo)上領(lǐng)先現(xiàn)有方法，展現(xiàn)了在復(fù)雜交互場(chǎng)景中的強(qiáng)魯棒性與安全性。此外，消融實(shí)驗(yàn)也進(jìn)一步驗(yàn)證了各組件的有效性。

近年來(lái)，端到端自動(dòng)駕駛研究進(jìn)展顯著，然而基于純回歸的方法在處理軌跡預(yù)測(cè)的多模態(tài)分布時(shí)存在固有局限。DiffRefiner 通過(guò)混合規(guī)劃范式與場(chǎng)景感知的擴(kuò)散精煉機(jī)制，為這一挑戰(zhàn)提供了切實(shí)可行的解決方案，也為 Nullmax 端到端系統(tǒng)的性能提升與落地部署提供了新思路。