Driving like yourself: A Benchmark for Closed-Loop Personalized End-to-End Autonomous Driving¶

会议: ECCV2026
论文: ECCV 原文
领域: 自动驾驶
关键词: 个性化驾驶、闭环评测、风格向量、分布匹配、轨迹头微调

一句话总结¶

Person2Drive 把真实驾驶员参与的模拟器采集、个体风格分布评测和风格引导轨迹头微调连成闭环，在两条路线的个体风格相似度均值上从 0.6652 提升到 0.6800，但其驾驶能力证据仍限于仿真且不是所有指标都提高。

研究背景与动机¶

端到端自动驾驶通常把不同人的驾驶记录汇入同一个训练目标，最终学到一种平均行为。然而，乘客是否觉得车辆“像自己开车”，还取决于跟车距离、停车间隙、加减速节奏和换道时机，而不只是路线是否完成。同样遵守道路约束的两条轨迹，可以有截然不同的舒适感和个人习惯。早期个性化方法主要调整跟车、并道等模块，难以直接接入统一的端到端模型。 StyleDrive 将风格分成激进、普通、保守三类，便于建立条件模型，却不能充分区分同一类别中的不同驾驶员。语言提示能表达驾驶意图，但也不等于一段可用于监督细微操控差异的连续行为记录。

真正研究个体风格，还需要把人的差异与道路条件分开。只比较不同人各自在不同道路上的轨迹，无法判断速度差异来自性格还是限速、交通密度与几何结构。只采一段轨迹，也无法判断某次制动是稳定习惯还是偶发事件。 Bench2Drive 支持闭环，但其轨迹由智能体生成；已有一些真人数据集有身份标签，却主要面向开环或局部驾驶任务。因此，本文首先需要能够让同一个人重复驾驶相同路线的数据平台，然后才有依据定义“同一个人的风格应当更相似”。

CARLA 和 Bench2Drive 的基础设施让这种受控真人采集与闭环回放成为可能。 Person2Drive 不把“个性化”仅当作换一种驾驶标签，而是同时设计数据、度量和模型适配三方面的接口。 核心 idea：用同路重复的人类轨迹刻画个体行为分布，学习带场景条件的可微风格表示，再以该表示指导轨迹预测头的个体化微调。

方法详解¶

整体框架¶

研究对象是个体级端到端自动驾驶：给定环境信息与某人的历史驾驶轨迹，得到能够闭环执行、且行为接近此人的驾驶模型。 Person2Drive 是数据集和基准的名称，PDSA 是其 Personal Driving Style Adaptation 适配方法，两者不应混为一个网络。流程依次包括受控个体采集、场景条件风格度量、场景感知奖励模型和个体轨迹头适配。前两部分提供可比较的行为数据及目标表示，后两部分把这种表示变成可优化的监督。基础驾驶模型使用 DiffusionDrive，在 Bench2Drive 上训练以获得原有驾驶能力。奖励模型接收轨迹与鸟瞰图（BEV）场景信息，输出 10 维风格向量；个体适配时只更新基础模型的轨迹预测头。部署时由适配后的驾驶模型产生轨迹并在模拟器中闭环执行，奖励模型用于风格评测，不是替代驾驶策略的控制器。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
        A["驾驶员与 CARLA"] --> B["受控个体采集"]
        B --> C["场景条件风格度量"]
        C -->|风格标签监督| D["场景感知奖励模型"]
        D -->|可微风格监督| E["个体轨迹头适配"]
        F["Bench2Drive 上训练的<br/>DiffusionDrive"] --> E
        B -->|个人轨迹与场景| E
        E --> G["闭环驾驶与风格评测"]
        D -.->|评测风格| G

关键设计¶

1. 受控个体采集：让重复实验区分习惯与偶然动作

采集平台在 CARLA 上扩展 Bench2Drive，使用 Logitech G29 方向盘和踏板，让真人控制车辆。固定的俯视导航图和后视镜帮助驾驶员维持空间感知，避免完全依靠不自然的模拟器视角。路线约长 1 km，既给换道、跟车和弯道行为足够的展开空间，也控制一次采集的操作负担。路线上包含路口、环岛、车道收缩、汇入汇出、高速出口及不同车道数量等条件，而不是只截取一个孤立事件。路线采用带城镇与配置元数据的 XML 表示，便于在不同驾驶员之间保持实验设置一致。身份标注、传感器同步和风格指标提取自动完成，扩展采集时主要增加实际驾驶操作。

数据来自 50 名驾驶员，每人驾驶相同的 4 条路线，前 2 条各重复 8 次，后 2 条各重复 2 次。重复次数的设计同时支持模型训练与跨场景评估，并提供个体内一致性和个体间差异的比较依据。原文报告共 55 小时、230 万 LiDAR 帧和 1610 万同步图像，标注采样频率为 10 Hz。传感器包括 1 个 LiDAR、6 个相机、5 个雷达、1 套 IMU 与 GNSS、1 个 BEV 相机及高精地图。数据还包含 3D 框、深度、语义分割和驾驶员身份；这些是平台能力，不意味着适配网络必须使用全部传感器。每位驾驶员被视作独立的风格域，而不是先被压进三种离散标签之一。

2. 场景条件风格度量：比较行为分布，而不是单条轨迹误差

作者先从车辆控制与行为统计中找出最能区分人的指标。具体做法是计算每位驾驶员的指标均值，经总体中位数相关处理后，按跨驾驶员标准差排序，选出前 10 个形成风格表示。这里有一处必须保留的原文不确定性：第 7–8 页式 (1) 提取损坏，文字说按中位数归一化，可见定义却写成减去中位数。本笔记仅说明其稳健统计筛选意图，不将“除以中位数”或某个补全公式冒充作者精确定义。第 14 页图 4 涉及 TTC、换道频率、纵横向加速度与 jerk 等候选指标，但缓存图中文字不足以可靠重建完整的前 10 项排序。因此，10 维向量应理解为从候选统计中筛出的行为特征，而不是本笔记自行指定的一组固定量。

道路条件同样会改变这些统计：高速路上的速度不能直接套用城市路段的解释。作者把每条路线当作一个场景，用该路线内所有驾驶员的特征分布分别做 min–max 归一化。比较对象是两组轨迹的风格向量样本，分布差异由采用 RBF 核的最大均值差异（MMD）衡量。其直觉是比较两组样本各自的核相似度与跨组相似度，而不要求两条轨迹逐点对应。第 8 页式 (2) 的排版提取也损坏，因此这里不重建双重求和表达式。式 (3) 的相似度变换可辨认为：

\[ \operatorname{MMDSS}=\frac{1}{1+\operatorname{MMD}}. \]

MMDSS 越高，表示两组行为分布越接近；它不是碰撞率、驾驶得分或轨迹坐标准确率。原文将取值范围写为 \([0,1)\)，但按上述公式，MMD 为 0 时相似度为 1；这是原文的边界表述不一致。另一指标是基于直方图的对称 KL：使用 50 个 bins，独立 min–max 归一化到 \([0,1]\)，并用 \(10^{-8}\) 做平滑。 KL 越小越相似，但其数值依赖直方图与样本支持；原文也观察到激进类别的个体内比较出现不稳定。

3. 场景感知奖励模型：给风格对齐提供可微路径

统计指标适合描述驾驶，却不便直接作为所有预测轨迹的可微监督，因此作者训练一个风格向量预测器。它不是输出单个“好或坏”分数，而是预测与统计标签对应的 10 维向量。网络采用含 2 个隐藏层的轻量 MLP，每层 256 个单元，激活为 ReLU。 BEV 地图先编码成全局场景向量，并注入轨迹编码器的每个时间步，再汇聚时序特征预测风格。这样的场景条件使相似的运动变化能结合所处道路解释，而不是把所有加速或减速都一概视为个人偏好。奖励模型用真实轨迹及其风格标签学习映射，图 1 标明这一阶段采用 MSE 监督。

需要区分“学习到风格向量”和“完整理解驾驶员”：模型仍然依赖前一步选择的指标作为目标。作者声称可学习表示有利于未见行为泛化，但这不意味着向量覆盖了所有主观舒适感或驾驶动机。表 2 检验的是预测风格在同类与异类比较中能否重现真实指标的分布关系，而不是验证安全控制能力。例如 Lane Following 场景下，同风格 MMDSS 的真实值为 0.9427，预测值为 0.9511，差值为 0.0084。这种接近说明它可作为风格监督的近似器，但不能单靠该结果认定个体化闭环驾驶已经成功。

4. 个体轨迹头适配：保留驾驶底座，用个人数据调整输出行为

基础模型先在 Bench2Drive 上学习驾驶，原文描述其训练结合历史轨迹序列和环境 BEV 特征。个体适配再使用目标驾驶员的历史轨迹，把模型预测轨迹送入奖励模型，得到预测风格向量。该向量与对应真实风格向量以 MSE 对齐，让监督关注加减速、间距和换道等行为统计，而不只是逐点追随坐标。感知骨干保持冻结，仅微调最终轨迹预测头，从而限制个性化数据对原有驾驶表示的扰动。图 1 同时画出了预测轨迹与个人真实轨迹之间的 L1 监督；正文重点解释风格 MSE，但没有完整展开组合权重。因此，不能把 PDSA 写成“完全不用轨迹监督”，也不能凭图补出一个带确定系数的总损失。

DFT 是直接微调对照，检验个人轨迹本身能提供多少帮助。 PDSA-WB 去掉奖励模型中的 BEV 特征，用来检验场景信息是否对风格对齐有额外价值。 PDSA 在场景感知风格监督下微调轨迹头，再将生成的轨迹用于闭环运行和分布级风格比较。虽然名称中有 reward，这里的关键更新方式是可微风格损失驱动的微调，不能据此改写成在线强化学习流程。冻结骨干是一种减少干扰的设计选择，不构成安全保证，仍需单独检查驾驶得分和成功率。

损失函数 / 训练策略¶

训练顺序为基础驾驶模型训练、风格奖励模型训练、个人风格引导微调，共 3 个阶段。第 2 阶段学习轨迹与场景到风格向量的映射，第 3 阶段利用该映射监督轨迹预测头。 StyleDrive 适配实验使用激进驾驶子集，Person2Drive 则按每个驾驶员的历史数据进行个体化，不能把两者结果当作同一种目标。所给正文未明确列出完整损失权重、学习率、训练轮数或每位驾驶员的精确训练/测试划分，本笔记不补设这些超参数。对于新路线归一化所需的人群统计，以及奖励模型训练数据和评估数据的边界，复现时还需查补充材料或实现。

实验关键数据¶

主实验¶

下表摘自原文表 4（第 12 页），指标为 Person2Drive 个体适配后的 MMDSS，越高越好。 “获益驾驶员”表示相对各自 baseline 的增量大于 0，不是驾驶成功率；均值提升也不意味着所有驾驶员都获益。

方法	Route 1 MMDSS	Route 1 获益驾驶员	Route 2 MMDSS	Route 2 获益驾驶员	MMDSS 均值
Baseline	0.6410	不适用	0.6894	不适用	0.6652
DFT	0.6425	82%	0.7095	70%	0.6760
PDSA-WB	0.6439	76%	0.7131	58%	0.6785
PDSA	0.6465	84%	0.7135	76%	0.6800

PDSA 的平均绝对增益为 0.0148，Route 2 的改善比 Route 1 更明显；作者报告配对 Wilcoxon 检验达到 \(p<0.001\)。表 4 还列出逐人增益统计，并将其标为均值与方差；这与四舍五入后的路线均值差不是完全相同的呈现精度，不应随意改成标准差。

消融实验¶

上一表的 DFT、PDSA-WB 与 PDSA 已构成直接微调、无场景风格监督和完整方法的消融链。加入 BEV 后，两条路线相对 PDSA-WB 分别提升 0.0026 和 0.0004，说明增量存在但数值较小。下表摘自原文表 8（第 14 页），检验同一适配策略的闭环驾驶能力，四列指标均越高越好。

方法	Person2Drive 驾驶得分	Person2Drive 成功率	Bench2Drive 驾驶得分	Bench2Drive 成功率
Baseline	58.22	98.9%	54.91	13.27%
PDSA-WB	67.45	98.6%	54.16	15.22%
PDSA	70.13	98.4%	55.69	15.45%

Person2Drive 驾驶得分增加 11.91，但成功率下降 0.5 个百分点；Bench2Drive 得分增加 0.78，成功率增加 2.18 个百分点。这些数据支持“风格适配没有引起明显的整体能力崩塌”，不支持“全部安全指标改善”或真实道路安全保证。

下表摘自原文表 7（第 13 页），为 50 名参与者的人类偏好研究，与上表的闭环成功率是不同指标。

方法	Route 1 偏好比例	Route 2 偏好比例	参与者数量
Baseline	24.0%	28.0%	50
PDSA	76.0%	72.0%	50

关键发现¶

图 2(b)、第 10 页：个体内 MMDSS 为 0.941，高于个体间的 0.681；KL 分别为 0.023 和 0.470，说明真人重复采集能支持风格可分性验证。
表 3、第 12 页：激进子集微调使对应 MMDSS 从 0.8453 升至 0.8605，但这是 StyleDrive 三分类实验，不能替代个体级结果。
表 5、第 12–13 页：A/N/C 模型均值分别为 0.6156、0.6125、0.6174，个人适配为 0.6800；粗类别不足以描述个体偏好。
表 6、第 13 页另报 PDSA 为 0.7055、BC 为 0.6811，但正文未交代该表与表 4 的汇总口径为何不同，不能把 0.7055 替换为主实验均值。
图 5–6、第 15 页的文字分析强调换道时机和停车后跟车间隙，而非单纯开得更快；缓存未提供可直接核验的图像细节。

亮点与洞察¶

重复同路采集让“像同一个人”成为可检验命题。其价值不仅在数据量，还在能估计一个人的行为自然波动。
风格被建模为分布而不是唯一轨迹。这样允许多条几何不同但统计习惯接近的轨迹同时合理，减少将偶然坐标误差误判为个性差异。
同时报告行为相似度、驾驶能力和人类偏好。三类证据回答不同问题，组合比单独优化 MMDSS 更有说服力。

局限与展望¶

数据是模拟器中的真人驾驶，不是实车道路数据；50 名驾驶员、4 条路线不能证明覆盖人口差异和长尾交通条件。
作者报告 55 小时、230 万 LiDAR 帧及 10 Hz，但正文没有解释这些总量的统计口径，不能自行把它们换算成一个已核实的统一规模。
奖励模型和评测共享风格指标体系，存在针对指标适配却遗漏主观偏好的风险；这是读者推论，人类偏好研究提供了补充但未完全排除它。
正文的人类偏好研究未充分展开盲测、顺序随机化或问题设计，因此不宜将偏好比例解释为长期信任的因果证据。
MMDSS 的核参数、归一化边界、式 (1) 精确形式及损失权重需进一步核实；完整实验复现仍依赖补充材料或代码。
后续可检验新驾驶员少样本适配、跨路线与实车迁移，并显式限制对不安全个人习惯的模仿；这些是研究建议，不是本文已实现功能。

评分¶

新颖性: 4/5。把身份级重复采集、分布指标与端到端适配结合，贡献更偏完整研究基准。
实验充分度: 4/5。有消融、闭环能力及人类偏好证据，但跨域验证和复现细节仍有限。
写作质量: 3/5。主线清楚，指标边界、部分表格口径和损失说明需要更严谨。
价值: 4/5。为“驾驶得好”和“像这个人驾驶”提供可分别检验的研究设置。