EVI-024
Evidence
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）。
| id | |
|---|---|
| updated | |
| type | evidence |
| claims | CLM-025 |
| source | PPR-2606.26017 |
| observation | Table 1 (tab:g2dp_results): closed-loop nuPlan Val14/Test14-hard/Test14, NR+R |
| method | nuPlan simulator (protocol anchor: BMK-003), LQR controller; three closed-loop splits (Val14 1.1k, Test14-random, Test14-hard curated); G2DP trained on nuPlan 1M split; baselines IDM/PDM/GameFormer/PLUTO/PlanTF/Flow Planner/Diffusion Planner |
| scope | results apply to nuPlan closed-loop with LQR; IL rows exclude post-hoc refinement |
Result
Test14-hard reactive：G2DP\({}^\dagger\) 77.61、G2DP 73.91；Flow Planner 70.42、Diffusion Planner 69.22（差 +7.19 / +8.39）。Val14：G2DP NR 92.26 / R 83.91（IL 最高，R 为 G2DP† 86.67）。Test14：G2DP NR 91.58 / G2DP† R 88.42（IL 最高）。hybrid 对照：G2DP\({}^\dagger\)+ref. Test14-hard NR 80.76 居全表第一，但 R 分项 81.74 低于 Diffusion Planner+ref. 82.00。
Caveats
+7.2 与 +8.4 分别对 Flow Planner 与 Diffusion Planner，两数口径不同；hybrid +ref. 行使用 nuPlan-tuned 精修模块，与纯 IL 行不可直接比；reactive 语义依赖模拟器对邻车的反应式重演实现。
关联（15）
- PPR-2309.10443 Rethinking Imitation-based Planner for Autonomous Driving（PlanTF）
- PPR-2501.15564 Diffusion-Based Planning for Autonomous Driving with Flexible Guidance
- PPR-2606.26017 G2DP: Diffusion Planning with Spatio-Temporal Grid Guidance
- BMK-003 “nuPlan closed-loop planning benchmark (Val14 / Test14 / Test14-hard)”
- COD-004 Flow-Planner — Flow Planner 官方实现（DiffusionAD org，NeurIPS 2025）
- FRM-2309.10443 PlanTF（Cheng 等, CoRL 2023）五层重建：核心是 hidden imitation gap——完美模仿的 log replay 经 LQR 执行后在 Test14-hard 上掉 5.65（TH-1），说明执行链偏差是学习系闭环失败的构成性成分；Test14-random/hard 与 1M 帧训练 split 的定义亦出自本文。
- 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-025 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。
- EVI-025 co-source 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）。
- EVI-026 co-source Tables 2–3：interPlan 零样本 G2DP† 62.55（+9.65），collision +10.15、TTC +10.75；progress/speed limit 略降。
- EVI-027 co-source Table 5：G2DP 较 DP collision +11.0、progress +10.5、TTC +6.7；progress/along-route 超 PDM-Closed。
- EVI-028 co-source Fig. 8：steps 8–9 + lambda_t=0.5 峰值 77.61；早窗与 lambda_t≥0.8 均退化。
- EVI-029 co-source Table 6：Top-15 双split峰值 92.26/80.05；Average 86.33 洗信号、Max 76.84 抗伪影差。
- EVI-030 co-source Fig. 7：γ=0.95 峰值；γ=1.0 过度保守刹车致高密度区追尾，γ=0.2 安全弱化。
- EVI-031 co-source Table 1/2 + 正文：G2DP† reactive +3.7、interPlan +0.81、精修依赖 +4.1 vs DP +12.8。