| EVI-031 |
Table 1/2 + 正文：G2DP† reactive +3.7、interPlan +0.81、精修依赖 +4.1 vs DP +12.8。 |
Evidence
|
|
| EVI-032 |
Table 1：免精修在学习型类内 6 列中 5 列最高（Test14 NR 除外）；w/ refine. 在 Val14/Test14 双模式超规则/混合类并部分超 Log-replay，唯 Test14-hard NR 78.87 低于 PLUTO 80.08。 |
Evidence
|
|
| EVI-033 |
Table 8：套壳 diffusion 方法脱精修即大跌（Diffusion-es w/o LLM ~50 vs w/ LLM 92；STR2 w/o refine. 65.16 且推理 >11s），Diffusion Planner 89.87/75.99/89.19、推理 0.04s。 |
Evidence
|
|
| EVI-034 |
Fig. 4：邻车预测准确 + ego 平滑让速，对比基线轨迹不平滑/候选多数低质量；Fig. 5：联合预测邻车过多引入噪声降分，但多数 M 取值仍优于 PlanTF。 |
Evidence
|
|
| EVI-035 |
引导案例：遮蔽车道限速后仅靠 target-speed 引导即可贴合 10–14 m/s 目标区间且速度过渡平滑；comfort 叠加 collision 可并用；collision-only 驶离路面避让、叠加 drivable 后保路面且保安全。 |
Evidence
|
|
| EVI-037 |
Table 7：base 89.19；w/o augmentation 76.53（−12.66）、w/o interpolation 83.78（−5.41）、w/o z-score 85.02（−4.17）；ego 状态 w/ ego state 78.65、w/ SDE 82.90、w/o current state 81.11。 |
Evidence
|
|
| EVI-038 |
Table 2：配送车数据集上 Diffusion Planner 92.08 全场最高（PlanTF 90.89、PLUTO 83.49、PDM-Closed 80.95、GameFormer w/o refine. 22.41）；nuPlan-tailored 基线掉分、本方案保持。 |
Evidence
|
|
| FIG-001 |
DiT 模型结构图（kblayout 重绘论文 Fig. 2 left）：Noised Latent→Patchify→DiT Block×N→Layer Norm→Linear and Reshape→Noise/Σ；Timestep t 与 Label y 经 Embed 侧列进 Block。 |
Figure
|
|
| FIG-002 |
DiT block with adaLN-Zero 结构图（kblayout 重绘论文 Fig. 2 right）：主链 LN→MHA→Scale/Shift→⊕→LN→FF→Scale→⊕；Conditioning→MLP 四条参数线送达各 gate。 |
Figure
|
|
| PPR-002 |
Congested traffic states in empirical observations and microscopic simulations拥堵交通态的实证观测与微观仿真（Treiber et al., PRE 2000）；G2DP 引用的交通流学科根源。 |
Paper
extracted
n/a
|
|