易控智驾与中科院合作成果入选顶会！ReasonPlan：突破复杂交互场景瓶颈
入选通知邮件截图ReasonPlan：突破复杂交互场景瓶颈让自动驾驶看得懂、会思考
在复杂的道路环境中，传统端到端自动驾驶方法往往难以实现诸如超车、绕行等强交互行为。这类行为不仅要求自动驾驶车辆具备精准的感知能力，更需要深入理解场景，预测其他交通参与者的意图，并规划出合理且安全的轨迹，这样才能实现接近人类驾驶的灵活性与安全性。然而，现有端到端方法通常只依赖模仿人类驾驶员的轨迹数据，缺乏真正的因果推理能力。当面对罕见或极端复杂的陌生场景时，这些模型往往大打折扣。
在无红绿灯路口场景不同方案的驾驶表现
针对这一核心挑战，易控智驾与中科院团队创新性地提出了端到端自动驾驶方案——ReasonPlan。该方案的技术创新点：
提升环境理解与安全性判断：ReasonPlan 通过分析已知环境数据，自我学习如何预测周围交通环境的变化，更精准地判断安全可行的行驶空间。
结构化链式推理规划：与传统“端到端”模型直接给出驾驶指令不同，ReasonPlan采用链式推理方式进行车辆行驶规划，即将复杂问题拆解为多个子问题，并按照步骤推理解决。这种方法让ReasonPlan如同拥有了“思考过程”，即使在面对全新的道路结构或异常行为时，也能依据逻辑而非单纯经验做出合理判断，有效避免了传统模仿学习方法常出现的“因果混淆”问题。
权威测试验证：性能领先泛化卓越
在业内权威的 “Bench2Drive” 测评中（国际首个全面模拟真实驾驶情况的“端到端”自动驾驶评估平台），ReasonPlan 方案以 64.01 分的高分表现出色，核心指标大幅领先行业顶尖水平。其中，衡量自动驾驶模型与人类驾驶标准之间差异的核心指标之一——L2误差降低了16.44%，意味着其驾驶决策更趋近人类的安全与灵活风格。
同时，在DOS 基准（由多种遮挡事件组成的驾驶模拟基准）零样本泛化测试中，ReasonPlan 展现出强大的适应性。它无需针对从未见过的新场景进行额外学习训练，就能够有效处理，充分证明了方案的强大鲁棒性。
未来，易控智驾将把ReasonPlan方案的先进技术逐步应用于无人驾驶矿卡解决方案中，以提升无人矿卡在动态变化的复杂矿山运输环境下的行为表现，如标准工艺流程之外的工程机械临时交互场景、作业面推进出现的非规则路口场景，极大提升车辆在非预设场景下交互的应变合理性与行为安全性，为矿山安全高效的生产提供更强大技术保障。
页:
[1]