💻 computer science

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

Questo articolo introduce EnDfuser, un sistema di guida autonoma end-to-end che utilizza un ensemble di diffusione per generare una distribuzione di traiettorie candidate da dati di percezione fusi, consentendo così un processo decisionale consapevole dell'incertezza che migliora le prestazioni di guida e l'interpretabilità sulla benchmark LAV.

Autori originali: Florian Wintel, Sigmund H. Høeg, Gabriel Kiss, Frank Lindseth

Pubblicato 2026-05-25

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Florian Wintel, Sigmund H. Høeg, Gabriel Kiss, Frank Lindseth

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di insegnare a un'auto a guida autonoma a navigare in una città affollata. La maggior parte dei sistemi attuali funziona come uno studente che ha memorizzato un'unica "migliore" rotta. Quando vedono una situazione, scelgono istantaneamente un percorso e vi si attengono, anche se non sono sicuri. Se quella singola scelta è sbagliata, l'auto potrebbe schiantarsi.

Questo articolo introduce un nuovo sistema chiamato EnDfuser (Ensemble Diffuser). Invece di costringere l'auto a scegliere un solo percorso, EnDfuser agisce come un autista prudente che immagina molti possibili futuri contemporaneamente.

Ecco come funziona, scomposto in concetti semplici:

1. L'Approccio "Sfera di Cristallo" (Modelli Diffusivi)

La pianificazione tradizionale è come chiedere a un amico: "Dovrei girare?" e ottenere una sola risposta: "Gira a sinistra".
EnDfuser utilizza una tecnologia chiamata Modello Diffusivo. Immagina questo come uno scultore che inizia con un blocco di argilla rumorosa e senza forma. Il modello parte da un mucchio di idee casuali e disordinate (rumore) e le "denoisa" lentamente, affinandole passo dopo passo fino a quando non diventano percorsi chiari e fluidi.

Il trucco magico qui è che invece di creare una sola scultura, EnDfuser ne crea 128 diverse (traiettorie candidate) partendo dallo stesso punto di partenza.

L'Analogia: Immagina di essere sul punto di attraversare una strada. Un sistema normale guarda e dice: "Attraverserò ora". EnDfuser guarda e pensa: "Potrei attraversare ora, potrei aspettare, potrei attraversare lentamente o potrei fermarmi". Genera 128 diversi scenari "cosa succederebbe se" nell'attimo di un battito di ciglia.

2. Misurare la Fiducia (Incertezza)

Poiché EnDfuser genera 128 percorsi diversi, il team può osservare quanto questi percorsi concordano tra loro.

Alto Accordo: Se tutti e 128 i percorsi sembrano quasi identici (ad esempio, dicono tutti "gira a sinistra dolcemente"), l'auto è fiduciosa.
Basso Accordo: Se i percorsi sono sparpagliati ovunque (alcuni dicono "gira a sinistra", altri dicono "fermati", altri dicono "vai dritto"), l'auto è incerta.

L'articolo utilizza la velocità di questi percorsi per misurare questa incertezza. Se i 128 percorsi suggeriscono velocità radicalmente diverse, il sistema sa che c'è qualcosa di complicato nella situazione.

3. La Regola del "Freno di Sicurezza"

I ricercatori hanno testato una regola molto semplice basata su questa incertezza:

La Regola: "Se l'auto è confusa (alta incertezza sulla velocità), premi il freno."
Il Risultato: Aggiungendo questo semplice "freno di panico" solo quando il sistema è incerto, l'auto ha guidato leggermente meglio (un miglioramento del 1,7% nei loro punteggi di test) e ha avuto meno collisioni. Non aveva bisogno di essere un'IA complessa per prendere questa decisione; aveva solo bisogno di ascoltare la propria confusione.

4. Cosa Hanno Imparato? (La "Mappa dell'Incertezza")

Osservando dove l'auto si è confusa, i ricercatori hanno scoperto che i picchi di incertezza si verificano in luoghi specifici:

Incrocio e Curve: Ha senso; queste sono aree complesse dove altre auto potrebbero fare cose inaspettate.
Interazioni Dinamiche: Quando l'auto sta cambiando corsia o incrocia il percorso di altri veicoli in movimento, le "128 traiettorie" divergono, segnalando pericolo.
Errori nei Dati: A volte l'auto si confonde perché i dati di addestramento da cui ha imparato erano leggermente disordinati (come un insegnante che dà a uno studente una mappa leggermente sbagliata). Il sistema ha segnalato questi punti come "incerti", aiutando efficacemente a trovare errori nei dati stessi.

Riepilogo

L'articolo afferma che utilizzando la Diffusione d'Insieme, hanno creato un sistema a guida autonoma che non indovina solo un futuro, ma simula molti. Osservando quanto quelle simulazioni discordano, l'auto può capire quando si trova in una situazione pericolosa o confusa e rallentare. Questo semplice trucco ha reso l'auto più sicura e affidabile nei loro test, dimostrando che "sapere cosa non si sa" è uno strumento potente per la guida autonoma.

Riepilogo Tecnico: EnDfuser – Diffusione d'Insieme per la Stima dell'Incertezza nella Guida Autonoma End-to-End

Enunciato del Problema

I sistemi di guida autonoma (AD) end-to-end (E2E) stanno avanzando rapidamente, in particolare negli ambienti di simulazione in ciclo chiuso come CARLA. Tuttavia, persiste una limitazione significativa: molti sistemi di pianificazione E2E ignorano l'incertezza come parte del processo di pianificazione o si affidano a rappresentazioni specializzate che mancano di generalizzabilità. Nel dominio AD, la quantificazione dell'incertezza (UQ) è critica perché previsioni inaffidabili possono portare a conseguenze catastrofiche. Le fonti di incertezza includono rumore dei sensori, spostamenti di distribuzione e carenze architetturali. Sebbene i metodi precedenti abbiano tentato di affrontare questo problema utilizzando approcci bayesiani, dropout Monte Carlo o ensemble, è necessario un metodo che integri la modellazione dell'incertezza direttamente nel modulo di pianificazione della traiettoria, senza richiedere modifiche architetturali complesse o classificatori discreti specializzati.

Metodologia

Gli autori propongono EnDfuser, un sistema di guida end-to-end che utilizza un modello probabilistico di diffusione denoising (DDPM) come pianificatore di traiettorie. Il sistema è progettato per modellare la distribuzione a posteriori delle traiettorie, fornendo così un meccanismo naturale per la stima dell'incertezza attraverso la diffusione d'insieme.

Architettura

EnDfuser si basa sullo scheletro di percezione di TransFuser++ (TF++), che fonde immagini RGB e caratteristiche LiDAR in vista dall'alto (BEV). Tuttavia, sostituisce il modulo di pianificazione transformer+GRU di TF++ con un diffusion transformer.

Condizionamento in Input: Il modello di diffusione è condizionato su caratteristiche BEV arricchite, che includono l'istruzione di guida (punto target), la velocità corrente e il passo di diffusione $k$ .
Rappresentazione della Traiettoria: L'output è un insieme di 8 waypoint distanziati di 250 ms, che rappresentano un orizzonte di pianificazione di 2 secondi.
Generazione dell'Insieme: Invece di impegnarsi in una singola stima puntuale, EnDfuser genera una distribuzione di traiettorie candidate (nello specifico 128 candidati negli esperimenti) da un singolo frame di percezione. Ciò è ottenuto tramite campionamento batch parallelo su GPU.
Efficienza nell'Inferenza: Il sistema impiega una schedulazione DDIM (Denoising Diffusion Implicit Models), che consente una generazione di traiettorie di alta qualità con soli 2 passaggi di denoising, garantendo prestazioni in tempo reale (circa 29 FPS).

Quantificazione dell'Incertezza

L'innovazione principale risiede nello sfruttamento dell'insieme delle traiettorie generate per stimare l'incertezza:

Trasformazione in Comandi di Controllo: L'insieme di 128 candidati di traiettoria ( $T_t$ ) viene trasformato in un insieme di comandi di controllo ( $K_t$ ), specificamente velocità desiderata e angolo di imbardata (yaw), utilizzando una logica derivata dal controllore PID di TF++.
Calcolo della Varianza: Il sistema calcola la varianza della distribuzione della velocità prevista ( $\hat{\sigma}^2_s$ ) tra i 128 candidati. Gli autori identificano la varianza della velocità come il principale indicatore di incertezza, notando che l'imbardata è spesso dipendente dalla velocità in questo specifico design del compito.
Regola di Sicurezza: Viene introdotta un'euristica di sicurezza basata su regole semplice: se la varianza della velocità $\hat{\sigma}^2_s$ supera una soglia $\lambda$ , l'agente sovrascrive la velocità desiderata con 0 m/s (frenata).

Contributi Chiave

Il documento delinea tre contributi principali:

Agente EnDfuser: La presentazione di un semplice agente di guida E2E capace di modellare l'incertezza di pianificazione in scenari CARLA in ciclo chiuso utilizzando un pianificatore basato su diffusione.
Miglioramento delle Prestazioni: Dimostrazione che un'euristica semplice informata dall'incertezza (la regola di frenata) aumenta il punteggio di guida dell'agente del 1,7% sul benchmark LAV.
Analisi della Distribuzione: Evidenza che la distribuzione a posteriori delle traiettorie può rivelare la "coda lunga" della distribuzione di guida, evidenziando specificamente occorrenze di situazioni potenzialmente critiche per la sicurezza e bias nei dati (come rumore nelle etichette).

Risultati Sperimentali

Il sistema è stato valutato sui benchmark LAV e Longest6 all'interno del simulatore CARLA.

Benchmark LAV: La configurazione base di EnDfuser (senza la regola di sicurezza) ha già superato la baseline TF++ nel Punteggio di Guida (DS) e nel Punteggio di Infrazione (IS). Con l'applicazione della regola di sicurezza (soglia $\lambda = 0,4$ ), il DS è migliorato ulteriormente fino a 78,1 (rispetto ai 70,0 di TF++), e le collisioni del veicolo per chilometro sono diminuite.
Benchmark Longest6: Sebbene le varianti di EnDfuser abbiano generalmente ottenuto punteggi inferiori rispetto a TF++ su questo benchmark più complesso, la regola di sicurezza ha ridotto con successo il tasso di collisioni del veicolo da 1,1 a 1,02 collisioni per chilometro. Tuttavia, ciò non si è tradotto in un DS complessivo più alto a causa di un compromesso che ha comportato un aumento dei tempi di attesa per il percorso.
Localizzazione dell'Incertezza: L'analisi della mappa della varianza della velocità ha rivelato che l'alta incertezza ("picchi") è costantemente correlata a incroci, curve e interazioni con agenti dinamici.
Categorizzazione dell'Incertezza: L'ispezione visiva dei 100 frame con varianza più alta ha mostrato che l'83% si è verificato durante interazioni con altri agenti. L'analisi ha anche identificato la confusione causale (incertezza senza causa visiva chiara) e il rumore laterale delle etichette (dove le previsioni si estendono oltre i punti target noti a causa di limitazioni nei dati di addestramento).

Significato e Affermazioni

Gli autori posizionano EnDfuser come un passo significativo verso il processo decisionale consapevole dell'incertezza nelle politiche di guida E2E.

Sostituzione Diretta: Il documento afferma che la diffusione d'insieme può servire come "sostituzione diretta" per i moduli di pianificazione a stima puntuale tradizionali, modellando efficacemente l'incertezza della distribuzione a posteriori delle traiettorie.
Interpretabilità: Osservando l'insieme completo delle traiettorie candidate, il sistema fornisce interpretabilità per spazi futuri incerti e multimodali, consentendo il rilevamento di situazioni critiche per la sicurezza che potrebbero essere perse da stimatori a punto singolo.
Data Mining: Il metodo offre un potenziale strumento per filtrare i dati di addestramento, specificamente per identificare la "coda lunga" della distribuzione di guida e le aree di alta incertezza dell'agente, inclusi casi di rumore nelle etichette.

Il documento mantiene un tono modesto riguardo alle sue limitazioni, riconoscendo che l'euristica di sicurezza attuale è semplice e potrebbe non generalizzare bene. Si nota che il metodo non distingue attualmente tra incertezza aleatoria ed epistemica e suggerisce che il lavoro futuro dovrebbe esplorare misure più sofisticate (ad esempio, entropia) ed euristiche di sicurezza dinamiche.