超越DiffusionDrive！华科提出ReCogDrive：结合强化学习的三阶段VLA训练框架~

主要观点总结

文章介绍了两种自动驾驶技术：DiffusionDrive和ReCogDrive。前者是一种用于实时端到端自动驾驶的扩散模型，解决了普通扩散策略在机器人场景中的挑战。后者则是一个结合视觉-语言大模型（VLMs）与强化学习增强的扩散规划器的端到端自动驾驶系统。文章还详细描述了ReCogDrive的多个组成部分及其实验验证。

关键观点总结

关键观点1: DiffusionDrive的特点和创新

解决了普通扩散策略在交通场景中的模式崩溃和计算开销大问题，提出了截断扩散策略和级联扩散解码器。

关键观点2: ReCogDrive的系统构成

结合了VLMs的泛化能力与扩散模型的轨迹生成能力。使用大规模驾驶问答数据对VLMs进行驾驶场景适应，引入基于扩散模型的规划器和模拟器辅助的强化学习提升轨迹质量。

关键观点3: ReCogDrive的实验结果

在NAVSIM数据集上实现了89.6的PDMS分数，超过了现有方法。通过结合驾驶问答数据、扩散模型和强化学习，模型能够生成平滑、舒适、安全的驾驶轨迹。

关键观点4: 关于华中科技大学王兴刚课题组的信息

介绍了课题组的负责人王兴刚及其科研成果，包括CCNet、Mask Scoring R-CNN、FairMOT、ByteTrack、EVA和Vim等，并阐述了其在计算机视觉、深度学习等领域的研究工作。

免责声明