驾驶意图放大面向规划的强化学习

针对单轨迹训练导致的连续动作策略模式坍塌问题，本文提出 DIAL 框架。该框架分两阶段：首先利用分类器自由引导将离散意图标签融入流匹配动作头，扩展采样分布以覆盖多种驾驶模式；其次通过多意图 GRPO 算法在偏好强化学习中保持分布多样性，防止微调再次坍塌。实验表明，该方法在最佳 N 采样评估中超越人类演示及先前最先进方法，证明了扩展并保持采样分布是优化连续动作策略的关键瓶颈。