EMPlan：面向自动驾驶的奖励引导偏好优化高效多模态规划

研究者提出 EMPlan，一种由奖励引导微调驱动的高效多模态轨迹规划方法，采用稀疏锚点加偏移精修模块的混合架构，稀疏锚点以低时延给出粗轨迹候选，再由偏移模块精修提升精度。方法采用预训练加奖励引导微调的两阶段训练，利用规则奖励信号与非成对偏好监督，在不增加推理成本的前提下提升安全性。在非反应式 NAVSIM 基准上，EMPlan 在实时约束下兼顾了规划精度与效率。