CoRL 2026 论文用稀疏自编码器解析端到端自动驾驶规划模型

研究将机制可解释性方法用于端到端自动驾驶，在单摄像头端到端路径规划模型的内部激活上训练稀疏自编码器（SAE）。对 SAE 隐变量做无监督聚类后，呈现出与路线意图、车速和刹车行为对应的可解释结构，其中路线意图在无监督条件下恢复准确率为 98.3%。通过成对反事实图像编辑，作者表明特定 SAE 特征具有视觉接地性，会随红绿灯状态和停车标志出现而系统性变化；单独调节这些隐变量可使横向位移、曲率和刹车等规划输出产生可预测的单调变化。作者还构建了基于 SAE 隐变量的轻量适配器，使轨迹选择误差降低 3.44%，优于不含 SAE 隐变量的同类适配器。论文被 CoRL 2026 接收，代码与可视化已公开。