ReflectDrive-2是近期提出的一種用於自動駕駛的掩碼離散擴散規劃器，其創新之處在於將駕駛計劃表示為離散軌跡令牌，並通過並行掩碼解碼高效生成。與傳統的連續軌跡生成方法不同，離散化表示使得模型能夠利用自迴歸或擴散模型的靈活性，同時通過掩碼機制實現並行解碼，大幅提升推理速度。該模型包含一個獨立的動作專家模塊，使得軌跡生成與動作執行分離，進一步增強了系統的模塊化。
核心功能AutoEdit允許模型在不依賴額外精煉網絡的情況下，對已生成的軌跡令牌進行原地修訂。這一自編輯能力通過兩階段訓練實現：首先，研究人員構建了沿縱向進度和橫向航向的結構感知擾動，並監督模型恢復原始專家軌跡，從而讓模型學會識別和糾正軌跡中的錯誤；隨後，他們採用強化學習（RL）對完整的“決策-草稿-反思” rollout進行微調，將終端駕駛獎勵分配給最終編輯後的軌跡，並通過全rollout轉換傳播策略梯度。
實驗結果表明，全rollout RL對於耦合草稿和編輯階段至關重要。僅使用監督訓練時，推理階段的AutoEdit最多將PDMS提升0.3；而引入RL後，提升幅度達到1.9。此外，團隊還協同設計了一個高效的反思解碼堆棧，結合共享前綴KV複用、交替步驟解碼和融合的片上解掩碼技術，使得整體流程在NVIDIA Thor平台上平均延遲僅為31.8毫秒。
在NAVSIM基準測試中，ReflectDrive-2在僅使用相機輸入的情況下達到91.0 PDMS，在最佳6選1的oracle設置中達到94.8 PDMS，展現了出色的規劃性能與實時推理能力。這些成果為離散擴散模型在自動駕駛中的實際應用提供了有力支持，也展示了強化學習在提升模型自校正能力方面的巨大潛力。