CLM-025
Claim
同一 diffusion 骨干下，稠密概率性 cost 网格引导促成平滑、预见性的避障；稀疏实例级引导即使供给 oracle 邻车轨迹仍诱发末期突变机动并损害舒适度——避障行为质量由引导信息形态决定。
| id | |
|---|---|
| type | claim |
| source | PPR-2606.26017 |
| scope | nuPlan Test14-hard (NR); G2DP backbone ablation of guidance modality: none vs sparse instance-level (with oracle neighbor trajectories) vs dense grid guidance |
| epistemic | unverified |
| lifecycle | EXTRACTED |
| updated |
Proposition
对同一 diffusion 规划骨干，引导信号的信息形态决定避障行为质量：稠密、概率性的时空 cost 网格引导促成平滑、预见性的避障；实例级稀疏引导（Diffusion Planner 式距离函数）即使供给 log-replay oracle 邻车轨迹（对稀疏方案的有利设定），也不仅避障收益甚微、还诱发末期突变机动并显著损害舒适度。该消融控制了骨干与初始条件，差异可归因于引导模态本身。
（系统级印证：在 nuPlan 闭环的无事后精修纯模仿学习 planner 类中，采用该引导配方的 G2DP 取得最高 driving score。）
Evidence refs
Notes
消融控制了骨干与初始条件（“same diffusion planning backbone under identical initial conditions”），故差异可归因于引导模态本身。oracle 轨迹输入是稀疏引导的有利设定，仍全面落败——这是该 claim 对“稠密 vs 稀疏”归因的关键支撑。
对照臂的具体构造（PPR-2501.15564 附录 C 式 10 的实例级有向距离能量）与两轴混淆（信号形态 × 信息内容，oracle 只改后者）见 EVI-025 的评注——“稀疏”的负面结果受该手工设计（hand-designed）构造（\(r\)、\(\Psi\) 塑形、分开归一化）的边界约束，不能外推为任意稀疏引导的固有性质。
关联（17）
- PPR-2406.05309 CoBL-Diffusion: Diffusion-Based Conditional Robot Planning in Dynamic Environments Using Control Barrier and Lyapunov Functions
- PPR-2501.15564 Diffusion-Based Planning for Autonomous Driving with Flexible Guidance
- PPR-2504.08661 SafeFlow: Safe Robot Motion Planning with Flow Matching via Control Barrier Functions
- PPR-2504.10003 NaviDiffusor: Cost-Guided Diffusion Model for Visual Navigation
- PPR-2606.26017 G2DP: Diffusion Planning with Spatio-Temporal Grid Guidance
- BMK-006 NAVSIM non-reactive planning benchmark (v1 PDMS / v2 EPDMS two-stage)
- FRM-2501.15564 Diffusion Planner 五层重建：task redefinition 后的 ego+邻车联合轨迹生成（DiT 骨干、单一扩散损失）与 DPS 免训练 classifier guidance；断言投影 CLM-033..038（一份投影卡因 erratum 删除）。附录 C 的四个引导能量函数（式 10–13）与四条设计经验已公式化回填，供 G2DP 稀疏对比臂跨源引用。
- FRM-2606.26017 G2DP 五层重建：核心对象是 CPT-013 时空代价体（占据概率栅格 × 路线进度图融合）在推理期的可微引导；公理层为能量重加权目标分布、Top-K 车体聚合与末段注入等六个作者前提；论证主干是 Table 4 在同一 DiT 骨干下隔离『稠密网格 vs 稀疏实例』的引导模态消融（稀疏臂按 PPR-2501.15564 附录 C 实现、以 oracle 邻车供给）。
- CLM-033 闭环 diffusion 规划的质量瓶颈在结构设计（联合生成/起点约束/导航 adaLN 专门架构）而非 diffusion 范式本身：专门设计免精修达学习型类内最好成绩，且大幅优于套壳 diffusion 方法；对规则/混合类整体优势仅经 w/ refine. 变体成立（作者主张）。
- EVI-024 Table 1：G2DP 系居纯 IL planner 首位，Test14-hard R 77.61（+7.2 over Flow Planner，+8.4 over Diffusion Planner）。
- EVI-025 Table 4：Grid +3.35 score/+3.59 collision/+4.94 TTC；Sparse(Oracle) −1.96 score/−10.13 comfort/+0.64 collision。稀疏臂按 PPR-2501.15564 附录 C 式 10 的实例级有向距离能量实现，与稠密臂在信号形态与信息内容两轴同时不同（评注已补）。
- SYN-002 三源合成：diffusion 管线三段可分解改造——LDM 表示层（latent 感知压缩）、DiT 骨干层（ViT 替换 + Gflops 标度）、G2DP 采样层（推理期引导插件）；三论文是时间上的实际组合链（DiT 复用 LDM first-stage，G2DP 用 DiT 骨干），层独立性判断 CLM-013/009/032 解释组合可行性。
- SYN-003 G2DP 引导谱系四支合成：机制（classifier guidance→CFG→DPS）、扩散规划（Diffuser→MotionDiffuser→Diffusion Planner→FlowPlanner/pSTL/CTG）、安全硬约束（CBF 系）、稠密网格（HYPE/TPP/NaviDiffusor）；G2DP 立四支交点——把『稠密分布性网格』放到『可微+时空+入去噪循环』。
- CLM-026 co-source nuPlan 训练的模型零样本迁移 interPlan：相对共享生成管线的 Diffusion Planner 大幅领先，增益集中于安全维度（碰撞避免、TTC），progress/speed-limit 类项持平或微降；优势依场景类型非全域均匀。
- CLM-027 co-source 零样本迁移真实无人机记录的密集城市交通（DeepScenario，NR）：安全与路线推进增益保持，碰撞避免与推进维度大幅超过 Diffusion Planner、推进维度反超规则基线 PDM-Closed；drivable area 与 driving direction 非最优。
- CLM-031 co-source 去掉邻车历史输入的 history-free 变体在 reactive/interactive 闭环下反而更优，且加事后规则精修后的增益依赖远小于稀疏引导对照（作者推断）；该优势严格限于 reactive/interactive 设定，NR 下不成立。
- CLM-032 co-source 稠密网格引导是纯推理期模块：占据预测器与生成骨干分开训练、仅在推理耦合，不重训不改骨干即可注入解析梯度，且部分替代事后规则精修（作者推断）。