【自动驾驶】RAD：DeepSeek解读版（后续lz再细品）

论文《RAD: Training an End-to-End Driving Policy via Large-Scale 3DGS-based Reinforcement Learning》深度解析1. 核心创新点3D高斯泼溅3DGS与强化学习的结合首次将3D高斯泼溅技术3D Gaussian Splatting用于构建高保真闭环训练环境替代传统基于游戏引擎的仿真器如CARLA显著提升渲染效率实时性与场景真实感。通过3DGS生成大规模合成数据减少对真实驾驶数据的依赖同时支持动态场景的快速重建。泼溅这个翻译还是有点问题。。。IL与RL的协同训练框架三阶段训练范式感知预训练通过地图与交通参与者标注初始化BEV特征。规划预训练利用IL模仿人类驾驶行为初始化动作分布。强化后训练结合RL优化安全性与泛化性IL作为正则化项保持人类驾驶的平滑性。解决IL的因果混淆问题仅学相关关系和RL的行为偏离问题如动作抖动。动作空间与奖励设计的优化分解的动作空间将动作分为横向转向和纵向速度独立控制降低探索复杂度。多源奖励函数动态碰撞、静态碰撞、位置偏差、航向偏差四类奖励结合密集辅助目标如偏向减速或转向加速RL收敛。优势估计分解横向和纵向动作独立优化提升策略稳定性基于PPO框架。2. 技术优势安全性提升在闭环测试中RAD的碰撞率CR相比IL方法降低3倍0.089 vs. 0.270-0.341尤其在动态障碍物避让DCR 0.080和静态障碍物避让SCR 0.009表现优异。泛化能力通过3DGS生成多样化场景如密集交通、极端天气策略在未见过的长尾场景中表现稳健。训练效率动作空间分解和辅助目标设计使RL收敛速度提升实验显示4:1的RL-IL混合比例达到最优平衡CR最低且轨迹平滑性最佳。工程落地潜力与地平线征程系列芯片协同优化形成“算法-芯片-工具链”闭环支持实时车载部署。3. 关键技术细节3DGS环境构建从真实驾驶数据中提取关键场景如高风险交通片段重建为动态3D高斯模型支持多视角实时渲染。交通参与者按日志回放非反应式未来需引入交互式行为模型。策略架构BEV编码器多视角图像→BEV特征提取车道、障碍物等结构化信息。规划头基于Transformer的解码器融合场景特征地图、代理、图像生成动作分布。值函数分解横向和纵向独立估计累积奖励支持细粒度策略优化。奖励函数设计动态碰撞奖励基于障碍物位置调整纵向动作如前方碰撞优先减速。静态碰撞奖励基于障碍物方位调整横向动作如左侧障碍物优先右转。位置/航向偏差奖励通过专家轨迹引导策略对齐人类驾驶习惯。4. 实验与结果数据集2000小时真实驾驶数据4305个高风险3DGS场景3968训练337测试。评估指标安全性碰撞率CR、动态碰撞率DCR、静态碰撞率SCR。轨迹一致性平均偏差距离ADD、位置偏差率PDR、航向偏差率HDR。驾驶平滑性纵向/横向加速度变化率Jerk。对比实验RAD在CR指标上显著优于VAD、GenAD、VADv2等IL方法0.089 vs. 0.270-0.341。消融实验验证RL-IL混合比例4:1最优、奖励组件全奖励最优、辅助目标提升安全性的必要性。5. 相关研究对比技术方向对比论文RAD的改进动态场景重建StreetGaussians (ECCV 2024)首次将3DGS用于RL训练环境而非仅闭环评估。端到端ADUniAD (CVPR 2023)、VADv2 (2024)从IL转向RLIL混合训练解决因果混淆与开环-闭环差距。强化学习框架PPO (Schulman et al. 2017)分解动作空间与优势估计设计辅助目标加速收敛。仿真器CARLA (CoRL 2017)3DGS提供更高保真渲染支持端到端传感器模拟无需完美感知输入。6. 局限性与未来方向当前限制3DGS环境中的交通参与者无反应性仅日志回放无法模拟交互行为。对非刚性物体如行人和低光照场景的渲染精度不足。未来工作引入反应式交通参与者模型如基于博弈论的交互策略。结合世界模型World Model提升长尾场景泛化能力。优化3DGS的实时渲染与硬件加速如地平线征程芯片适配。7. 总结与影响RAD通过3DGSRLIL的融合为端到端自动驾驶提供了一种高效、安全的训练范式。其技术贡献不仅体现在算法性能提升如3倍碰撞率降低更推动了自动驾驶训练从依赖真实数据向合成数据驱动的范式转变。地平线公司通过此研究进一步巩固了在“感知-决策-芯片”全栈技术生态中的领先地位为L4级自动驾驶的落地提供了新思路。