EVI-036
Evidence
Fig. 7：低温度采样增强轨迹稳定性、步数在 DPM-Solver++（CPT-030）下稳健；w/ refine. 用更低温度（0.1 vs 0.5）以利精修判断——方法使用边界面，非引导窗口消融。
| id | |
|---|---|
| updated | |
| type | evidence |
| claims | CLM-035 |
| source | PPR-2501.15564 |
| observation | Fig. 7 (fig:inference): inference parameter grid search over denoising steps x low-temperature magnitude; Appendix D Table param: detailed selections (w/o refine. temp 0.5 vs w/ refine. temp 0.1) |
| method | DPM-Solver++ (CPT-030) reverse process (VP schedule) swept across denoising step counts and sampling temperatures on nuPlan closed-loop |
| scope | nuPlan Test14; figure-read values; the grid covers step count and temperature, not a guidance-window ablation |
Result
低温度采样改善输出轨迹稳定性；借 DPM-Solver++（CPT-030，DPM-Solver（CPT-029）族的数据预测变体）实现高效去噪、对步数变化稳健（附录 D 参数表：去噪步数少至可实时，20 Hz 推理）。温度与下游模块耦合：直接用模型输出时较高温度利轨迹质量（0.5），挂精修模块时更低温度（0.1）产出更稳轨迹、利于精修判断。
Caveats
- 该网格扫描覆盖的是采样侧超参（步数 × 温度），不包含引导注入窗口的消融——“末段施加”叙述在 TeX 注释块（草稿残留），已发表正文无此主张（FRM-2501.15564 Review Log erratum）.3 论证段（该段在所用 arXiv v2 TeX 中处于注释块，见该卡 Notes），本卡仅承载方法使用边界的环境面。
- 数值从图读取，论文未附表化读数。
- 与 G2DP EVI-028..030（引导调度消融）对照时注意：本源无等价的“注入窗口扫描”，调度敏感性在本源是论证性而非实验性结论。
关联（14）
- PPR-2206.00927 DPM-Solver: A Fast ODE Solver for Diffusion Probabilistic Model Sampling in Around 10 Steps
- PPR-2211.01095 DPM-Solver++: Fast Solver for Guided Sampling of Diffusion Probabilistic Models
- PPR-2501.15564 Diffusion-Based Planning for Autonomous Driving with Flexible Guidance
- 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。
- CLM-035 训练后行为对齐可经 DPS 免训练实现：能量重加权目标 p0 ∝ q0·e^{−E} 下，用 μ_θ 近似后验期望直接过可微能量函数取梯度修正分数，免 classifier 训练；多种能量函数（目标速度/舒适/碰撞/可行驶区）推理期自由组合（案例级证据，无量化消融）。
- EVI-028 Fig. 8：steps 8–9 + lambda_t=0.5 峰值 77.61；早窗与 lambda_t≥0.8 均退化。
- CPT-029 DPM-Solver
- CPT-030 DPM-Solver++
- EVI-032 co-source 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。
- EVI-033 co-source 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。
- EVI-034 co-source 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。
- EVI-035 co-source 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。
- EVI-037 co-source 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。
- EVI-038 co-source 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。