FocalAD：端到端自动驾驶的局部运动规划

在端到端自动驾驶中，运动预测在自主车辆规划中起着关键作用。然而，现有方法通常依赖于全局聚合的运动特征，而忽略了规划决策主要受少数局部交互智能体影响的事实。未能关注这些关键的局部交互可能会掩盖潜在风险并降低规划的可靠性。在本研究中，我们提出了FocalAD，这是一个新颖的端到端自动驾驶框架，它专注于关键的局部邻居，并通过增强局部运动表征来优化规划。具体而言，FocalAD包含两个核心模块：自主-局部-智能体交互器（ELAI）和Focal-局部-智能体损失（FLA Loss）。ELAI进行基于图的、以自主为中心的交互表征，捕捉与局部邻居的运动动态，以增强自主规划和智能体运动查询。FLA Loss增加了决策关键邻近智能体的权重，引导模型优先考虑与规划更相关的智能体。大量实验表明，FocalAD 在开环 nuScenes 数据集和闭环 Bench2Drive 基准测试中均优于现有的最佳方法。值得注意的是，在注重鲁棒性的 Adv-nuScenes 数据集上，FocalAD 取得了更大的提升，与 DiffusionDrive 相比，平均碰撞率降低了 41.9%，与 SparseDrive 相比，平均碰撞率降低了 15.6%。