行业技术范式转移 - 端到端自动驾驶正经历从“模块化”向“大一统”的范式转移，VLA模型兴起[2] - 主流自回归生成范式存在局限性，其“从左到右”的时序逻辑与人类驾驶员“以终为始”的思维直觉存在本质差异[2] - 基于模仿学习的模型易陷入“平均司机”陷阱，倾向于拟合数据分布均值，导致策略平庸化，难以在激进与保守间灵活切换[2] 核心解决方案：WAM-Diff框架 - 复旦大学与引望智能联合提出WAM-Diff框架，旨在解决现有痛点[2] - 框架创新性地将离散掩码扩散模型引入VLA自动驾驶规划，并结合稀疏混合专家架构与在线强化学习[2] - 构建了一套不再受限于单向时序的生成式规划系统[2] 核心技术创新：生成逻辑与架构 - 引入混合离散动作分词技术，将连续2D轨迹坐标量化为高精度离散Token，误差控制在0.005以内，并与语义Token置于共享词表[6] - 采用Masked Diffusion作为生成骨干，从全掩码序列出发，利用双向上下文信息并行预测所有位置Token，提升推理效率与全局优化能力[6] - 集成LoRA-MoE架构，包含64个轻量级专家，通过门控网络实现动态路由与稀疏激活，根据场景自动激活最匹配专家以提升容量与适应性[11] - 采用多任务联合训练策略，使模型在学习轨迹预测同时通过驾驶VQA任务理解场景语义，增强规划可解释性与泛化能力[11] 核心技术创新：规划策略与优化 - 探索因果序、反因果序和随机序三种解码调度策略，实验发现反因果序策略在闭环指标上表现最佳[9] - 反因果序策略验证了“以终为始”的生成逻辑，即先确定终点状态再倒推轨迹细节，能显著提升规划一致性与安全性[9] - 引入分组序列策略优化算法，将优化粒度从“单步Token”提升至“完整轨迹序列”，依据安全、合规及舒适等多维指标对整条轨迹评分[14] - GSPO通过计算组内相对优势，显式引导模型向“高安全、高舒适”区域更新，确保规划结果比人类驾驶数据更安全规范[14] 性能表现与实验结果 - 在NAVSIM-v1评测基准上取得91.0 PDMS的SOTA成绩[3][16] - 在NAVSIM-v2评测基准上取得89.7 EPDMS的SOTA成绩，相较于DiffusionDrive提升5.2分[3][18] - 在NAVSIM-v1详细对比中，多项指标领先：NC 99.1, DAC 98.3, TTC 96.5, Comf. 99.9, EP 84.4, PDMS 91.0[17] - 在NAVSIM-v2详细对比中，多项指标领先：NC 99.0, DAC 98.4, DDC 99.3, TLC 99.9, EP 87.0, TTC 98.6, EPDMS 89.7[19] - 消融研究证实反因果序解码策略取得最佳闭环性能（91.0 PDMS），支持“以终为始”的规划直觉[20][21] - 定性实验验证了MoE架构与GSPO在提升长尾场景鲁棒性方面的作用[22] 行业意义与影响 - WAM-Diff标志着端到端自动驾驶规划向离散化、结构化、闭环化迈出重要一步[25] - 该框架通过Masked Diffusion重构时序生成逻辑，利用MoE解决策略单一性瓶颈，通过RL守住安全底线[25] - 证明了在VLA时代，“如何生成”与“生成什么”同样重要[25] - 这种具备反向推理能力且风格多变的规划器，被认为是通往L4级自动驾驶的关键拼图[25]