PPR-2408.03601
Paper
DRAMA: An Efficient End-to-end Motion Planner for Autonomous Driving with Mamba
| id | |
|---|---|
| updated | |
| type | paper |
| title | DRAMA: An Efficient End-to-end Motion Planner for Autonomous Driving with Mamba |
| authors | Chengran Yuan, Zhanqi Zhang, Jiawei Sun, Shuo Sun, Zefan Huang, Christina Dao Wen Lee |
| venue | arXiv:2408.03601 |
| arxiv | 2408.03601 |
| tier | 1 |
| lifecycle | EXTRACTED |
| epistemic | n/a |
| ingested | 2026-09-10 |
| version | arXiv:2408.03601v2 |
| source-hash | sha256:3fb27659c82b880e37e64c83f53ae0611d507f9b867265cdbfbb5116941425a8 |
| admitted-under | A2-direct-edge |
| admission-note | 被 DiffusionDrive/DiffusionDriveV2/CLOVER 直接引用为高效规划架构对照。 |
定位
Yuan 等（2024）提出 DRAMA，一个基于 Mamba 的端到端运动规划器。论文的出发点是：运动规划需在高度动态复杂环境中生成安全可行轨迹，而 transformer 类方法的注意力复杂度随序列长度二次增长，不利于处理越来越复杂的场景。DRAMA 在特征空间融合相机、LiDAR 鸟瞰视图与 ego 状态信息生成未来自车轨迹，用 Mamba 获得低于二次的注意力复杂度；其 Mamba-Transformer 解码器可通用接入任意基于 transformer 的模型，尤其适合长序列输入任务；论文另提出特征状态 dropout 以提升训练效果。
与本库的关系
- 准入身份：A2-direct-edge（被 DiffusionDrive 系与 CLOVER 引用）。
- 谱系定位：规划架构的效率分支。与 DriveTransformer（PPR-2503.07656）的并行任务 query、ARTEMIS（PPR-2504.19580）的 MoE 路由同属“在表达能力与推理成本之间选择结构”的问题族。
Provenance
- Tier-0 轻量 ingest（S2 元数据）：
version/source-hash占位（待补）。
关联（4）
- PPR-2503.07656 DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving
- PPR-2504.19580 ARTEMIS: Autoregressive End-to-End Trajectory Planning With Mixture of Experts for Autonomous Driving
- FRM-2408.03601 DRAMA 五层重建（骨架）：核心对象是把 Mamba（状态空间模型）引入端到端运动规划——编码器用多尺度卷积与四个 Mamba 融合模块替代 Transformer 自注意力来融合相机与 LiDAR BEV 特征（训练复杂度由 T²D 降为 TD²），解码器用可学的 Mamba-Transformer 层输出确定性轨迹，并以差异化 dropout 率作用的特征状态丢弃（FSD）缓解传感噪声与 ego 状态缺失；公理层含『自注意力对序列长度二次复杂』与『传感/导航输入本就不完美』。
- IDX-001 NAVSIM 规划线