💻 computer science

Using Ensemble Diffusion to Estimate Uncertainty for End-to-End Autonomous Driving

Ce papier présente EnDfuser, un système de conduite autonome de bout en bout qui utilise une diffusion d'ensemble pour générer une distribution de trajectoires candidates à partir de données de perception fusionnées, permettant ainsi une prise de décision consciente de l'incertitude qui améliore les performances de conduite et l'interprétabilité sur le benchmark LAV.

Auteurs originaux : Florian Wintel, Sigmund H. Høeg, Gabriel Kiss, Frank Lindseth

Publié 2026-05-25

📖 4 min de lecture☕ Lecture pause café

CC BY 4.0

Auteurs originaux : Florian Wintel, Sigmund H. Høeg, Gabriel Kiss, Frank Lindseth

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous enseigniez à une voiture autonome à naviguer dans une ville animée. La plupart des systèmes actuels fonctionnent comme un élève qui a mémorisé un seul itinéraire « optimal ». Lorsqu'ils perçoivent une situation, ils choisissent instantanément un chemin et s'y tiennent, même en cas d'incertitude. Si ce choix unique est erroné, la voiture pourrait percuter un obstacle.

Ce papier présente un nouveau système appelé EnDfuser (Ensemble Diffuser). Au lieu de forcer la voiture à choisir un seul chemin, EnDfuser agit comme un conducteur prudent qui imagine plusieurs futurs possibles simultanément.

Voici comment cela fonctionne, décomposé en concepts simples :

1. L'approche « boule de cristal » (Modèles de Diffusion)

La planification traditionnelle revient à demander à un ami : « Où devrais-je tourner ? » et à recevoir une seule réponse : « Tournez à gauche. »
EnDfuser utilise une technologie appelée Modèle de Diffusion. Imaginez cela comme un sculpteur commençant avec un bloc d'argile bruyant et informe. Le modèle part d'un ensemble d'idées aléatoires et désordonnées (bruit) et les « débruite » lentement, les affinant étape par étape jusqu'à ce qu'elles deviennent des trajectoires claires et fluides.

L'astuce magique ici est qu'au lieu de créer une seule sculpture, EnDfuser en crée 128 différentes (trajectoires candidates) à partir du même point de départ.

L'analogie : Imaginez que vous êtes sur le point de traverser une rue. Un système normal regarde et dit : « Je traverse maintenant. » EnDfuser regarde et pense : « Je pourrais traverser maintenant, je pourrais attendre, je pourrais traverser lentement, ou je pourrais m'arrêter. » Il génère 128 scénarios « et si » en un clin d'œil.

2. Mesurer la confiance (Incertitude)

Puisque EnDfuser génère 128 trajectoires différentes, l'équipe peut observer dans quelle mesure ces trajectoires s'accordent entre elles.

Forte concordance : Si les 128 trajectoires sont presque identiques (par exemple, elles disent toutes « tournez doucement à gauche »), la voiture est confiante.
Faible concordance : Si les trajectoires sont dispersées (certaines disent « tournez à gauche », d'autres « arrêtez-vous », d'autres « allez tout droit »), la voiture est incertaine.

Le papier utilise la vitesse de ces trajectoires pour mesurer cette incertitude. Si les 128 trajectoires suggèrent des vitesses très différentes, le système sait que la situation est délicate.

3. La règle du « frein de sécurité »

Les chercheurs ont testé une règle très simple basée sur cette incertitude :

La règle : « Si la voiture est confuse (forte incertitude sur la vitesse), appuyez sur le frein. »
Le résultat : En ajoutant ce simple « frein de panique » uniquement lorsque le système est incertain, la voiture a conduit légèrement mieux (une amélioration de 1,7 % de leurs scores de test) et a eu moins de collisions. Elle n'avait pas besoin d'une IA complexe pour prendre cette décision ; elle avait juste besoin d'écouter sa propre confusion.

4. Qu'ont-ils appris ? (La « carte d'incertitude »)

En examinant où la voiture devenait confuse, les chercheurs ont constaté que les pics d'incertitude se produisaient dans des endroits spécifiques :

Carrefours et virages : Cela a du sens ; ce sont des zones complexes où d'autres véhicules pourraient faire des choses inattendues.
Interactions dynamiques : Lorsque la voiture change de voie ou croise le chemin d'autres véhicules en mouvement, les « 128 trajectoires » divergent, signalant un danger.
Erreurs de données : Parfois, la voiture est confuse parce que les données d'entraînement sur lesquelles elle s'est basée étaient légèrement désordonnées (comme un enseignant donnant à un élève une carte légèrement erronée). Le système a signalé ces endroits comme « incertains », aidant ainsi efficacement à détecter des erreurs dans les données elles-mêmes.

Résumé

Le papier affirme qu'en utilisant la Diffusion d'Ensemble, ils ont créé un système de conduite autonome qui ne devine pas un seul futur, mais en simule plusieurs. En observant dans quelle mesure ces simulations divergent, la voiture peut détecter quand elle se trouve dans une situation dangereuse ou confuse et ralentir. Cette astuce simple a rendu la voiture plus sûre et plus fiable lors de leurs tests, prouvant que « savoir ce que l'on ne sait pas » est un outil puissant pour la conduite autonome.

Résumé Technique : EnDfuser – Diffusion d'Ensemble pour l'Estimation d'Incertitude dans la Conduite Autonome de Bout en Bout

Énoncé du Problème

Les systèmes de conduite autonome (CA) de bout en bout (E2E) progressent rapidement, en particulier dans des environnements de simulation en boucle fermée comme CARLA. Cependant, une limitation significative persiste : de nombreux systèmes de planification E2E ignorent l'incertitude dans le processus de planification ou s'appuient sur des représentations spécialisées qui manquent de généralisabilité. Dans le domaine de la CA, la quantification de l'incertitude (UQ) est cruciale car des prédictions peu fiables peuvent entraîner des conséquences catastrophiques. Les sources d'incertitude incluent le bruit des capteurs, les décalages de distribution et les lacunes architecturales. Bien que des méthodes antérieures aient tenté de résoudre ce problème en utilisant des approches bayésiennes, l'abandon de Monte Carlo ou des ensembles, il existe un besoin pour une méthode qui intègre la modélisation de l'incertitude directement dans le module de planification de trajectoire, sans nécessiter de changements architecturaux complexes ni de classificateurs discrets spécialisés.

Méthodologie

Les auteurs proposent EnDfuser, un système de conduite de bout en bout qui utilise un modèle probabiliste de diffusion débruitant (DDPM) comme planificateur de trajectoire. Le système est conçu pour modéliser la distribution a posteriori des trajectoires, fournissant ainsi un mécanisme naturel pour l'estimation de l'incertitude grâce à la diffusion d'ensemble.

Architecture

EnDfuser s'appuie sur l'épine dorsale de perception de TransFuser++ (TF++), qui fusionne les images RVB et les caractéristiques LiDAR en vue aérienne (BEV). Cependant, il remplace le module de planification transformer+GRU de TF++ par un transformateur de diffusion.

Conditionnement d'entrée : Le modèle de diffusion est conditionné par des caractéristiques BEV enrichies, incluant l'instruction de conduite (point cible), la vitesse actuelle et l'étape de diffusion $k$ .
Représentation de la trajectoire : La sortie est un ensemble de 8 points de passage espacés de 250 ms, représentant un horizon de planification de 2 secondes.
Génération d'ensemble : Au lieu de se limiter à une seule estimation ponctuelle, EnDfuser génère une distribution de trajectoires candidates (spécifiquement 128 candidats dans les expériences) à partir d'une seule image de perception. Cela est réalisé par un échantillonnage par lot parallèle sur un GPU.
Efficacité de l'inférence : Le système emploie un calendrier DDIM (Denoising Diffusion Implicit Models), permettant une génération de trajectoires de haute qualité avec seulement 2 étapes de débruitage, assurant des performances en temps réel (environ 29 images par seconde).

Quantification de l'Incertitude

L'innovation centrale réside dans l'exploitation de l'ensemble des trajectoires générées pour estimer l'incertitude :

Transformation en Commandes de Contrôle : L'ensemble des 128 candidats de trajectoire ( $T_t$ ) est transformé en un ensemble de commandes de contrôle ( $K_t$ ), spécifiquement la vitesse souhaitée et l'angle de lacet, en utilisant une logique dérivée du contrôleur PID de TF++.
Calcul de la Variance : Le système calcule la variance de la distribution de vitesse prédite ( $\hat{\sigma}^2_s$ ) à travers les 128 candidats. Les auteurs identifient la variance de vitesse comme l'indicateur principal d'incertitude, notant que le lacet est souvent dépendant de la vitesse dans cette conception de tâche spécifique.
Règle de Sécurité : Une heuristique de sécurité basée sur des règles simpliste est introduite : si la variance de vitesse $\hat{\sigma}^2_s$ dépasse un seuil $\lambda$ , l'agent remplace la vitesse souhaitée par 0 m/s (freinage).

Contributions Clés

L'article énonce trois contributions principales :

Agent EnDfuser : La présentation d'un agent de conduite E2E simple capable de modéliser l'incertitude de planification dans des scénarios CARLA en boucle fermée en utilisant un planificateur basé sur la diffusion.
Amélioration des Performances : Démonstration qu'une heuristique simple informée par l'incertitude (la règle de freinage) augmente le score de conduite de l'agent de 1,7 % sur le benchmark LAV.
Analyse de la Distribution : Preuve que la distribution a posteriori des trajectoires peut révéler la « longue traîne » de la distribution de conduite, mettant spécifiquement en évidence les occurrences de situations potentiellement critiques pour la sécurité et les biais de données (tels que le bruit d'étiquetage).

Résultats Expérimentaux

Le système a été évalué sur les benchmarks LAV et Longest6 au sein du simulateur CARLA.

Benchmark LAV : La configuration de base d'EnDfuser (sans la règle de sécurité) surpassait déjà la référence TF++ en termes de Score de Conduite (DS) et de Score d'Infraction (IS). Avec l'application de la règle de sécurité (seuil $\lambda = 0,4$ ), le DS s'est amélioré pour atteindre 78,1 (contre 70,0 pour TF++), et les collisions de véhicules par kilomètre ont diminué.
Benchmark Longest6 : Bien que les variantes d'EnDfuser aient généralement obtenu des scores inférieurs à TF++ sur ce benchmark plus complexe, la règle de sécurité a réussi à réduire le taux de collisions de véhicules de 1,1 à 1,02 collision par kilomètre. Cependant, cela ne s'est pas traduit par un DS global plus élevé en raison d'un compromis impliquant une augmentation des dépassements de temps de parcours.
Localisation de l'Incertitude : L'analyse de la carte de variance de vitesse a révélé que les incertitudes élevées (« pics ») étaient constamment corrélées aux intersections, aux virages et aux interactions avec des agents dynamiques.
Catégorisation de l'Incertitude : L'inspection visuelle des 100 images à variance la plus élevée a montré que 83 % se produisaient lors d'interactions avec d'autres agents. L'analyse a également identifié la confusion causale (incertitude sans cause visuelle claire) et le bruit d'étiquetage latéral (où les prédictions s'étendaient au-delà des points cibles connus en raison des limitations des données d'entraînement).

Importance et Revendications

Les auteurs positionnent EnDfuser comme une étape significative vers la prise de décision consciente de l'incertitude dans les politiques de conduite E2E.

Remplacement Direct : L'article affirme que la diffusion d'ensemble peut servir de « remplacement direct » pour les modules de planification d'estimation ponctuelle traditionnels, modélisant efficacement l'incertitude de la distribution a posteriori des trajectoires.
Interprétabilité : En observant l'ensemble complet des trajectoires candidates, le système fournit de l'interprétabilité pour les futurs espaces incertains et multimodaux, permettant la détection de situations critiques pour la sécurité qui pourraient être manquées par les estimateurs à point unique.
Exploration de Données : La méthode offre un outil potentiel pour filtrer les données d'entraînement, spécifiquement pour identifier la « longue traîne » de la distribution de conduite et les zones de forte incertitude de l'agent, y compris les instances de bruit d'étiquetage.

L'article maintient un ton modeste concernant ses limites, reconnaissant que l'heuristique de sécurité actuelle est simpliste et pourrait ne pas bien généraliser. Il note que la méthode ne distingue pas actuellement entre l'incertitude aléatoire et l'incertitude épistémique, et suggère que les travaux futurs devraient explorer des mesures plus sophistiquées (par exemple, l'entropie) et des heuristiques de sécurité dynamiques.