有个疑问：为什么现在大家搞 Anchor Trajectory、Diffusion Policy、World Model，而不是直接像传统规划一样撒一堆 Reeds-Shepp / Dubins 曲线，然后挑一条最优的？

传统撒点规划解决的是“可行轨迹搜索”问题，而扩散模型解决的是“驾驶行为分布建模”问题。

这是一个很好的问题。实际上你是在问：

为什么现在大家搞 Anchor Trajectory、Diffusion Policy、World Model，而不是直接像传统规划一样撒一堆 Reeds-Shepp / Dubins 曲线，然后挑一条最优的？

答案是：

传统撒点规划解决的是“可行轨迹搜索”问题，而扩散模型解决的是“驾驶行为分布建模”问题。

两者目标其实不一样。

Question.1 Reeds-Shepp 本质在干什么

RS曲线解决的是：

给定

• 起点姿态
• 终点姿态

求：

min ⁡ L \min LminL

满足：

∣ κ ∣ ≤ κ m a x |\kappa| \le \kappa_{max}∣κ∣≤κmax​

即：

最短可行路径问题

例如：

停车位 | | | ego

RS会产生：

左转 右转 倒车 前进

组合路径。

它不考虑：

• 行人
• 其他车辆
• 红绿灯
• 驾驶习惯
• 社会交互

只考虑：

我的车能不能从A到B

Question.2 为什么自动驾驶不能只靠RS

假设路口：

Car B ↓ Car A → Ego

RS会得到：

方案1： 直接穿过去 方案2： 轻微绕行 方案3： 停车等待

从几何角度：

三条都合法。

但真正驾驶员会：

等Car B先走

原因是：

社会规则。

而：

RS不知道社会规则。

它只知道：

path_length curvature

所以：

RS生成的是：

p ( p a t h ∣ s t a r t , e n d ) p(path|start,end)p(path∣start,end)

而驾驶需要：

p ( p a t h ∣ s c e n e ) p(path|scene)p(path∣scene)

这完全不是一个东西。

Question.3 Anchor Trajectory在干什么

例如4096个轨迹：

直行 左变道 右变道 减速 停车 让行 ...

实际上是在学习：

p ( τ ∣ s c e n e ) p(\tau|scene)p(τ∣scene)

其中：

τ = t r a j e c t o r y \tau = trajectoryτ=trajectory

网络输出：

轨迹1 0.5 轨迹2 0.3 轨迹3 0.1 ...

这相当于：

未来驾驶行为词典

而不是：

几何路径词典

Question.4 Diffusion 为什么又比 Anchor 强

Anchor有一个问题：

词汇表有限。

例如：

4096条

覆盖不了所有情况。

扩散模型直接学习：

p ( τ ) p(\tau)p(τ)

或者：

p ( τ ∣ s c e n e ) p(\tau|scene)p(τ∣scene)

不需要离散化。

训练：

真实轨迹 ↓ 加噪声 ↓ 学习去噪

推理：

高斯噪声 ↓ 迭代去噪 ↓ 轨迹

得到：

左绕 右绕 等待 缓慢通过

多个模式。

因此天然是：

连续空间多模态采样器。

Question.5 那扩散和RS的关系是什么

其实非常接近：

都在采样轨迹。

区别：

RS采样的是：

运动学可行轨迹

扩散采样的是：

人类驾驶轨迹

RS：

p ( τ ∣ v e h i c l e ) p(\tau|vehicle)p(τ∣vehicle)

Diffusion：

p ( τ ∣ v e h i c l e , s c e n e , h u m a n ) p(\tau|vehicle,scene,human)p(τ∣vehicle,scene,human)

Question.6 能不能直接撒很多RS曲线

当然可以。

很多系统就是这么干的。

例如：

• Hybrid A*
• State Lattice
• EM Planner
• Apollo Planning

都是：

撒轨迹 ↓ 打分 ↓ 选最优

例如：

5000条RS轨迹

完全没问题。

但问题来了：

如果是复杂交互：

行人突然穿行 前车礼让 路口博弈

需要撒多少？

可能：

50万条 500万条

才能覆盖。

搜索空间爆炸。

Question.7 扩散其实是在学习“如何撒点”

这是最核心的一点。

传统：

随机撒

或者：

规则撒

RS1 RS2 RS3 ... RS50000

扩散：

直接学：

人类会撒在哪里

然后只生成：

几十条 几百条

高概率轨迹。

相当于：

暴力搜索

变成

学习引导搜索

Question.8 RL + RS 能不能替代轨迹规划

严格说：

RL + RS 仍然属于轨迹规划。

例如：

RS生成1000条候选 ↓ RL网络评分 ↓ 选择最佳

这叫：

Learning-based Planner

或者：

RL-guided Planning

它没有消灭规划。

只是把：

Cost Function

变成：

Neural Network

Question.9 为什么现在大量论文用 Diffusion + RL

因为Diffusion和RL分工明确：

Diffusion负责：

Generate

生成合理候选轨迹。

RL负责：

Evaluate

评估长期收益。

流程：

Scene ↓ Diffusion ↓ 20条高质量轨迹 ↓ RL Value Network ↓ 选择最优

而不是：

Scene ↓ 50万条RS ↓ 搜索

计算量小很多。

从自动驾驶发展的角度看：

• Dubins / Reeds-Shepp：解决“车能不能这么走”。
• Hybrid A*：解决“怎么搜索可行轨迹”。
• Anchor Trajectory：解决“人通常会怎么走”。
• Diffusion Policy：解决“连续空间里可能怎么走”。
• RL：解决“长期来看哪条轨迹收益最高”。

因此RL + RS 并不会让轨迹规划消失，它更像是“传统规划 + 学习评分器”；而 Diffusion 想做的是直接学习轨迹分布，把大量无意义的 RS 搜索提前过滤掉。