ConsistencyPlanner: 실시간 계획을 위한 고속 샘플링 일관성 모델

ConsistencyPlanner: Real-time Planning with Fast-Sampling Consistency Models

복잡하고 실제적인 주행 시나리오에서의 폐루프 계획은 자율주행 시스템에 있어 중요한 과제입니다. 기존의 규칙 기반 방법은 해석 가능하지만, 미리 정의된 휴리스틱으로는 역동적인 교통 환경에 대한 적응성이 부족합니다. 학습 기반 접근 방식은 상당한 잠재력을 보여왔습니다. 그러나 학습 기반 접근 방식은 다양한 다중 모드 주행 행동을 모델링하고 실시간 계획을 동시에 수행하는 데 어려움을 겪으며, 종종 결정적이지 않거나 위험한 행동으로 이어집니다. 이러한 한계를 극복하기 위해, 본 논문에서는 고속 샘플링 일관성 모델을 사용하는 실시간 계획 프레임워크인 Consistency Planner를 제안합니다. 저희의 접근 방식은 두 가지 핵심 기술 기여에 기반하고 있습니다. 첫째, 효율적인 다중 모드 샘플링: 저희는 고속 샘플링 일관성 모델을 활용하여 다양한 가능성이 있는 미래 경로 집합을 생성합니다. 이를 통해 이전의 반복적인 생성 방법의 계산 병목 현상을 극복하고, 효율적이고 실시간으로 다중 모드 행동을 탐색할 수 있습니다. 둘째, 이기종 특징 융합: 저희는 장면 특징과 액션 토큰을 포함한 다양한 입력 특징을 조화로운 표현으로 동적으로 통합하는 어텐션 기반 디코더를 도입하여 강력한 계획 기능을 제공합니다. Waymax 시뮬레이터에서 수행된 광범위한 평가는 기존 방법보다 안전성 지표 측면에서 우수한 성능을 보여주며, 특히 어려운 역동적인 시나리오에서 뛰어난 결과를 얻었습니다.

Closed-loop planning in complex, real-world driving scenarios presents a critical challenge for autonomous driving systems. While traditional rule-based methods are interpretable, their predefined heuristics lack the adaptability for dynamic traffic environments. Learning-based approaches have shown considerable promise. Conversely, learning-based approaches, despite their promise, struggle to balance the modeling diverse and multimodal driving behaviors and real-time planning, often leading to indecisive or unsafe actions. To address this limitation, we propose Consistency Planner, a real-time planning framework with fast-sampling consistency models. Our approach is built upon two key technical contributions. Efficient Multimodal Sampling: We employ fast-sampling consistency models to generate a diverse set of plausible future trajectories. This enables efficient, real-time exploration of multimodal actions, overcoming the computational bottlenecks of previous iterative generative methods. Heterogeneous Feature Fusion: We introduce an attention-enhanced decoder that dynamically integrates heterogeneous input features (including scene feature and action token) into a cohesive representation for robust planning. Extensive evaluation in the Waymax simulator demonstrates superior performance in safety metrics compared to existing methods, with particularly strong results in challenging dynamic scenarios.