复旦团队祭出Masked Diffusion新框架，端到端自动驾驶刷新NAVSIM性能纪录

自动驾驶领域再掀波澜，复旦大学引望团队近日发布Masked Diffusion端到端新框架，在NAVSIM基准测试中刷新SOTA，直击传统方法瓶颈，或将重塑行业技术路线。

核心亮点

• Masked Diffusion框架实现端到端自动驾驶，直接处理感知到决策的全流程，简化系统复杂性。
• 在NAVSIM仿真基准上达到新SOTA性能，提升导航和场景理解能力，验证技术有效性。
• 引入扩散模型结合掩码机制，增强数据生成和鲁棒性，应对复杂驾驶环境挑战。
• 开源代码和模型，促进社区协作与快速迭代，加速技术落地应用。

行业冲击

这一突破不仅标志着端到端自动驾驶技术的又一里程碑，更可能颠覆现有模块化架构。传统方法依赖多阶段处理，易导致误差累积和延迟，而Masked Diffusion框架通过统一模型优化整体性能，有望降低成本并提升安全性。随着仿真测试的优异表现，该技术或推动从实验室到真实道路的快速过渡，但需警惕数据偏差和伦理风险。行业竞争将加剧，车企和科技巨头需重新评估技术路线，以抢占AI驱动出行的制高点。