从随机到确定：扩散模型如何重塑自动驾驶决策的实时性与安全性
自动驾驶的决策系统长期面临一个根本矛盾：既要理解人类驾驶行为的复杂多模态特性，又要在毫秒级时间内做出安全可靠的轨迹选择。扩散模型凭借其强大的生成能力，一度被视为解决这一矛盾的突破口。然而，其核心的迭代采样机制却成为落地应用的绊脚石——每一次决策都需要数十步甚至上百步的噪声去噪过程，这在高速行驶场景中无异于将生命置于延迟的赌注之上。
扩散模型的困境：生成能力与实时需求的错位
扩散模型在轨迹预测和规划任务中展现出令人瞩目的潜力，能够自然建模驾驶员在不同情境下的多种可能选择，比如变道、让行或加速通过。这种多模态输出能力源于其训练过程中对数据分布的深层学习，使得模型不仅能生成单一最优轨迹，还能覆盖人类行为的合理变体。但问题在于，这些模型通常依赖马尔可夫链式的逐步采样，每一步都需调用神经网络进行去噪计算。即便使用加速采样技术，仍难以满足自动驾驶系统对低延迟的硬性要求。在复杂城市路况下，哪怕几百毫秒的延迟都可能导致错过最佳避让时机。
更棘手的是，随机采样带来的不确定性本身与安全驾驶的理念相悖。在安全关键系统中，可重复、可验证的决策过程是基本要求。而扩散模型的每次运行可能产生略有差异的输出，这种内在的随机性使得系统验证和认证变得异常困难。
RAPiD的破局之道：从概率采样到确定性策略的跃迁
RAPiD的核心创新在于将扩散模型的“知识”蒸馏为一个完全确定性的策略网络。它不再直接运行扩散采样过程，而是利用预训练扩散模型的得分函数作为行为先验，指导新策略的学习。得分函数本质上编码了数据分布的梯度信息，反映了在任意状态下“理想驾驶行为”应朝向的方向。通过将这一信息融入策略优化过程，RAPiD成功保留了扩散模型对复杂驾驶行为的理解能力，同时彻底摆脱了采样延迟。
这一过程并非简单的模仿学习。传统行为克隆容易陷入分布漂移问题，即策略在训练数据未覆盖的状态下表现失控。RAPiD引入了批评网络，该网络模仿一个具备前瞻能力的预测性驾驶控制器，为策略提供密集的、以安全为导向的监督信号。这意味着策略不仅在模仿“做什么”，更在理解“为什么这样做更安全”。例如，在接近交叉路口时，批评网络会评估不同轨迹对潜在碰撞风险的预测，从而引导策略选择更保守但更稳健的路径。
效率与安全的双重突破：从理论优势到实测验证
实验结果清晰地展示了RAPiD的实用价值。在nuPlan仿真平台上，该框架实现了相比原始扩散模型8倍的推理速度提升，同时保持了相当的轨迹质量。更重要的是，在interPlan这一专注于泛化能力的基准测试中，RAPiD在未见过的场景和交通参与者行为模式下表现出色，超越了其他基于学习的规划器。这表明，通过得分函数提取的行为先验具有更强的迁移能力，能够适应多样化的驾驶环境。
这种泛化能力的提升，部分归功于批评网络所引入的安全约束机制。它不仅关注当前时刻的最优动作，还通过预测未来状态的风险分布，引导策略提前规避潜在危险。这种“预见性安全”机制，使得系统在面对突发状况时具备更强的鲁棒性。
行业启示：生成式AI落地的新范式
RAPiD的实践为生成式AI在工业级应用中的落地提供了重要参考。它揭示了一条关键路径：不必完全抛弃强大的生成模型，而是可以通过知识蒸馏和结构优化，将其核心能力转化为高效、确定性的执行模块。这种“先学后精”的思路，既保留了复杂模型的表达能力，又满足了实际系统对效率和可靠性的要求。
在自动驾驶领域，这一思路可能催生更多混合架构的出现——前端使用轻量级确定性策略进行实时决策，后端保留扩散模型用于离线仿真、场景生成或极端情况下的重规划。这种分层设计既能保障行车安全，又能充分利用先进AI模型的潜力。
长远来看，RAPiD所代表的确定性策略提取技术，或许将成为连接前沿AI研究与工程落地的桥梁。它提醒我们，在追求模型能力的同时，必须将部署约束纳入设计考量。真正的突破，往往不在于模型本身有多强大，而在于它能否在现实世界的严苛条件下，稳定、高效、安全地工作。