【中国科学院大学】Plan-R1：将安全且可行的轨迹规划作为语言建模

主要观点总结

本文提出一种新型的两阶段轨迹规划框架Plan-R1，用于安全且可行的自动驾驶轨迹规划。受到大型语言模型成功的启发，将轨迹规划问题转化为原则对齐的序列预测任务。通过专家数据的运动token预测进行自回归预训练，并使用基于规划的奖励进行强化学习微调，使预测结果与规划原则一致。在nuPlan基准上的实验表明，Plan-R1显著提高规划的安全性和可行性，实现最先进的性能。

关键观点总结

关键观点1: 新的视角将轨迹规划问题转化为原则对齐的序列预测任务。

本文首次提出将轨迹规划问题转化为原则对齐的序列预测任务，实现了行为学习和规划原则的对齐解耦。

关键观点2: 引入两阶段轨迹规划框架Plan-R1。

Plan-R1结合了自回归预训练和强化学习微调，以符合规划原则。通过预训练捕获专家演示的多模态分布，然后通过强化学习微调自车策略。

关键观点3: 设计可解释的、基于规则的奖励函数。

这些奖励函数用于捕获基本的规划原则，如可行驶区域合规性、避障、速度限制合规性和驾驶舒适性，以指导强化学习微调。

关键观点4: 在nuPlan基准上实现SOTA性能。

实验结果表明，Plan-R1显著提高规划轨迹的安全性和可行性，特别是在反应式闭环仿真环境中优于现有的规划器。