💻 computer science

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

Este artigo apresenta o EnDfuser, um sistema de condução autónoma de ponta a ponta que utiliza um ensemble de difusão para gerar uma distribuição de trajetórias candidatas a partir de dados de perceção fundidos, permitindo assim uma tomada de decisão consciente da incerteza que melhora o desempenho de condução e a interpretabilidade na benchmark LAV.

Autores originais: Florian Wintel, Sigmund H. Høeg, Gabriel Kiss, Frank Lindseth

Publicado 2026-05-25

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Florian Wintel, Sigmund H. Høeg, Gabriel Kiss, Frank Lindseth

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está ensinando um carro autônomo a navegar por uma cidade movimentada. A maioria dos sistemas atuais funciona como um aluno que memorizou uma única rota "ideal". Quando eles veem uma situação, escolhem instantaneamente um caminho e mantêm-se nele, mesmo que estejam inseguros. Se essa única escolha estiver errada, o carro pode bater.

Este artigo apresenta um novo sistema chamado EnDfuser (Ensemble Diffuser). Em vez de forçar o carro a escolher apenas um caminho, o EnDfuser age como um motorista cauteloso que imagina muitos futuros possíveis ao mesmo tempo.

Veja como funciona, dividido em conceitos simples:

1. A Abordagem da "Bola de Cristal" (Modelos de Difusão)

O planejamento tradicional é como perguntar a um amigo: "Para onde devo virar?" e receber uma única resposta: "Vire à esquerda."
O EnDfuser utiliza uma tecnologia chamada Modelo de Difusão. Pense nisso como um escultor começando com um bloco de argila ruidosa e sem forma. O modelo começa com uma série de ideias aleatórias e bagunçadas (ruído) e lentamente "remove o ruído" delas, refinando-as passo a passo até que se tornem caminhos claros e suaves.

O truque mágico aqui é que, em vez de criar apenas uma escultura, o EnDfuser cria 128 esculturas diferentes (trajetórias candidatas) a partir do mesmo ponto de partida.

A Analogia: Imagine que você está prestes a atravessar uma rua. Um sistema normal olha e diz: "Vou atravessar agora." O EnDfuser olha e pensa: "Eu poderia atravessar agora, eu poderia esperar, eu poderia atravessar devagar, ou eu poderia parar." Ele gera 128 cenários diferentes de "e se" em um piscar de olhos.

2. Medindo a Confiança (Incerteza)

Como o EnDfuser gera 128 caminhos diferentes, a equipe pode observar o quanto esses caminhos concordam entre si.

Alta Concordância: Se todos os 128 caminhos parecerem quase idênticos (por exemplo, todos dizem "vire suavemente à esquerda"), o carro está confiante.
Baixa Concordância: Se os caminhos estiverem espalhados por toda parte (alguns dizem "vire à esquerda", outros dizem "pare", outros dizem "vá em frente"), o carro está inseguro.

O artigo usa a velocidade desses caminhos para medir essa incerteza. Se os 128 caminhos sugerirem velocidades drasticamente diferentes, o sistema sabe que há algo complicado na situação.

3. A Regra do "Freio de Segurança"

Os pesquisadores testaram uma regra muito simples baseada nessa incerteza:

A Regra: "Se o carro estiver confuso (alta incerteza sobre a velocidade), pise no freio."
O Resultado: Ao adicionar esse simples "freio de pânico" apenas quando o sistema está inseguro, o carro dirigiu um pouco melhor (uma melhoria de 1,7% em suas pontuações de teste) e teve menos colisões. Não foi necessário um AI complexo para tomar essa decisão; ele apenas precisou ouvir sua própria confusão.

4. O Que Eles Aprenderam? (O "Mapa de Incerteza")

Ao observar onde o carro ficou confuso, os pesquisadores descobriram que a incerteza aumenta em lugares específicos:

Interseções e Curvas: Isso faz sentido; são áreas complexas onde outros carros podem fazer coisas inesperadas.
Interações Dinâmicas: Quando o carro está mudando de faixa ou cruzando trajetórias com outros veículos em movimento, os "128 caminhos" divergem, sinalizando perigo.
Erros de Dados: Às vezes, o carro fica confuso porque os dados de treinamento dos quais aprendeu estavam ligeiramente bagunçados (como um professor dando a um aluno um mapa ligeiramente errado). O sistema marcou esses pontos como "inseguros", ajudando efetivamente a encontrar erros nos próprios dados.

Resumo

O artigo afirma que, ao usar Difusão de Conjunto, eles criaram um sistema autônomo que não apenas adivinha um futuro, mas simula muitos. Ao observar o quanto essas simulações discordam, o carro consegue identificar quando está em uma situação perigosa ou confusa e reduzir a velocidade. Esse truque simples tornou o carro mais seguro e confiável em seus testes, provando que "saber o que você não sabe" é uma ferramenta poderosa para a condução autônoma.

Resumo Técnico: EnDfuser – Ensemble Diffusion para Estimativa de Incerteza em Direção Autônoma End-to-End

Declaração do Problema

Os sistemas de direção autônoma (AD) end-to-end (E2E) estão avançando rapidamente, particularmente em ambientes de simulação em malha fechada como o CARLA. No entanto, persiste uma limitação significativa: muitos sistemas de planejamento E2E ignoram a incerteza como parte do processo de planejamento ou dependem de representações especializadas que carecem de generalização. No domínio da AD, a quantificação de incerteza (UQ) é crítica, pois previsões não confiáveis podem levar a consequências catastróficas. As fontes de incerteza incluem ruído dos sensores, deslocamentos de distribuição e deficiências arquitetônicas. Embora métodos anteriores tenham tentado abordar isso usando abordagens bayesianas, dropout de Monte Carlo ou ensembles, há necessidade de um método que integre a modelagem de incerteza diretamente no módulo de planejamento de trajetória, sem exigir mudanças arquitetônicas complexas ou classificadores discretos especializados.

Metodologia

Os autores propõem o EnDfuser, um sistema de direção end-to-end que utiliza um modelo probabilístico de difusão denoising (DDPM) como seu planejador de trajetória. O sistema é projetado para modelar a distribuição posterior de trajetórias, fornecendo assim um mecanismo natural para estimativa de incerteza por meio de ensemble diffusion.

Arquitetura

O EnDfuser baseia-se na espinha dorsal de percepção do TransFuser++ (TF++), que funde imagens RGB e características de visão de cima (BEV) do LiDAR. No entanto, ele substitui o módulo de planejamento transformer+GRU do TF++ por um transformer de difusão.

Condicionamento de Entrada: O modelo de difusão é condicionado a características BEV enriquecidas, que incluem a instrução de direção (ponto-alvo), a velocidade atual e o passo de difusão $k$ .
Representação de Trajetória: A saída é um conjunto de 8 pontos de referência espaçados a 250 ms, representando um horizonte de planejamento de 2 segundos.
Geração de Ensemble: Em vez de comprometer-se com uma única estimativa pontual, o EnDfuser gera uma distribuição de trajetórias candidatas (especificamente 128 candidatos nos experimentos) a partir de um único quadro de percepção. Isso é alcançado por meio de amostragem em lote paralela em uma GPU.
Eficiência de Inferência: O sistema emprega um agendamento DDIM (Denoising Diffusion Implicit Models), permitindo a geração de trajetórias de alta qualidade com apenas 2 etapas de remoção de ruído, garantindo desempenho em tempo real (aprox. 29 FPS).

Quantificação de Incerteza

A inovação central reside na exploração do ensemble de trajetórias geradas para estimar a incerteza:

Transformação em Comandos de Controle: O conjunto de 128 candidatos de trajetória ( $T_t$ ) é transformado em um conjunto de comandos de controle ( $K_t$ ), especificamente velocidade desejada e ângulo de guinada, usando uma lógica derivada do controlador PID do TF++.
Cálculo de Variância: O sistema calcula a variância da distribuição de velocidade prevista ( $\hat{\sigma}^2_s$ ) entre os 128 candidatos. Os autores identificam a variância da velocidade como o principal indicador de incerteza, observando que a guinada frequentemente depende da velocidade neste design de tarefa específico.
Regra de Segurança: É introduzida uma heurística de segurança simples, baseada em regras: se a variância da velocidade $\hat{\sigma}^2_s$ exceder um limiar $\lambda$ , o agente substitui a velocidade desejada por 0 m/s (freio).

Contribuições Principais

O artigo delineia três contribuições primárias:

Agente EnDfuser: A apresentação de um agente de direção E2E simples capaz de modelar a incerteza de planejamento em cenários CARLA em malha fechada usando um planejador baseado em difusão.
Melhoria de Desempenho: Demonstração de que uma heurística simples informada por incerteza (a regra de frenagem) aumenta a pontuação de direção do agente em 1,7% no benchmark LAV.
Análise de Distribuição: Evidências de que a distribuição posterior de trajetórias pode revelar a "cauda longa" da distribuição de direção, destacando especificamente ocorrências de situações potencialmente críticas para a segurança e vieses de dados (como ruído de rótulo).

Resultados Experimentais

O sistema foi avaliado nos benchmarks LAV e Longest6 dentro do simulador CARLA.

Benchmark LAV: A configuração base do EnDfuser (sem a regra de segurança) já superou a linha de base TF++ na Pontuação de Direção (DS) e na Pontuação de Infração (IS). Com a regra de segurança aplicada (limiar $\lambda = 0,4$ ), a DS melhorou ainda mais para 78,1 (comparado aos 70,0 do TF++), e as colisões de veículos por quilômetro diminuíram.
Benchmark Longest6: Embora as variantes do EnDfuser geralmente tenham pontuações mais baixas que o TF++ neste benchmark mais complexo, a regra de segurança reduziu com sucesso a taxa de colisão de veículos de 1,1 para 1,02 colisões por quilômetro. No entanto, isso não se traduziu em uma DS geral mais alta devido a uma compensação envolvendo aumentos nos tempos limite de rota.
Localização de Incerteza: A análise do mapa de variância de velocidade revelou que alta incerteza ("picos") correlacionou-se consistentemente com interseções, curvas e interações com agentes dinâmicos.
Categorização de Incerteza: A inspeção visual dos 100 quadros de maior variância mostrou que 83% ocorreram durante interações com outros agentes. A análise também identificou confusão causal (incerteza sem causa visual clara) e ruído lateral de rótulo (onde as previsões se estenderam além dos pontos-alvo conhecidos devido a limitações dos dados de treinamento).

Significado e Alegações

Os autores posicionam o EnDfuser como um passo significativo em direção à tomada de decisão consciente de incerteza em políticas de direção E2E.

Substituição Direta: O artigo afirma que o ensemble diffusion pode servir como uma "substituição direta" para módulos de planejamento de estimativa pontual tradicionais, modelando efetivamente a incerteza da distribuição posterior de trajetórias.
Interpretabilidade: Ao observar o conjunto completo de trajetórias candidatas, o sistema fornece interpretabilidade para espaços futuros incertos e multimodais, permitindo a detecção de situações críticas para a segurança que poderiam ser ignoradas por estimadores de ponto único.
Mineração de Dados: O método oferece uma ferramenta potencial para filtrar dados de treinamento, especificamente para identificar a "cauda longa" da distribuição de direção e áreas de alta incerteza do agente, incluindo instâncias de ruído de rótulo.

O artigo mantém um tom modesto em relação às suas limitações, reconhecendo que a heurística de segurança atual é simplista e pode não generalizar bem. Observa que o método não distingue atualmente entre incerteza aleatória e epistêmica e sugere que trabalhos futuros devem explorar medidas mais sofisticadas (por exemplo, entropia) e heurísticas de segurança dinâmicas.