Hydra-NeXt：基于开环训练的鲁棒闭环驾驶

端到端自动驾驶研究当前面临的一个关键挑战，是弥合开环训练（open-loop training）与闭环部署（closed-loop deployment）之间的差距。现有方法通常在开环环境中训练以预测轨迹，但在实际闭环驾驶场景中，面对其他交通参与者时难以快速响应，且由于开环训练与闭环驾驶之间的差异，容易生成运动学上不可行的规划路径。本文提出 Hydra-NeXt，一种新型的多分支规划框架，将轨迹预测、控制预测以及轨迹优化网络统一整合于同一模型之中。与当前仅处理通用场景规划的开环轨迹预测模型不同，Hydra-NeXt进一步引入控制解码器，专注于短期动作预测，从而实现对动态环境和交互式交通参与者更快的响应能力。此外，我们设计了轨迹优化模块（Trajectory Refinement module），通过有效遵循闭环环境中的运动学约束，对规划决策进行增强与修正。该统一框架显著缩小了开环训练与闭环驾驶之间的鸿沟，在 Bench2Drive 数据集上取得了 65.89 的驾驶得分（Driving Score, DS）和 48.20% 的成功率（Success Rate, SR），且无需依赖外部专家进行数据采集。Hydra-NeXt 相较于此前最先进方法，分别提升了 22.98 的 DS 和 17.49 的 SR，标志着自动驾驶领域的重要进展。代码将开源，地址为：https://github.com/woxihuanjiangguo/Hydra-NeXt。