LEARNING
D³-MoE：面向风格可控端到端自动驾驶的双解耦扩散专家混合模型
Renju Feng, Rukang Wang, Ning Xi, Jianguo Yu, Liping Lu, Pan Zhou, Duanfeng Chu
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
该论文提出D³-MoE框架，通过行为轴和物理轴的双重解耦，解决端到端自动驾驶中的“风格平均化”问题。行为轴上，风格条件扩散过程并行生成多风格候选轨迹；物理轴上，解耦的纵向和横向路由器激活相应专家，实现风格可控且运动学安全的轨迹生成。
关键词
autonomous drivingdiffusion modelmixture-of-expertsstyle controlend-to-end learning
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018