EVI-038
Evidence
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。
| id | |
|---|---|
| updated | |
| type | evidence |
| claims | CLM-038 |
| source | PPR-2501.15564 |
| observation | Table 2 (tab:delivery): closed-loop results on 200h Haomo.AI delivery-vehicle driving dataset (score/collisions/TTC/drivable/comfort/progress), Diffusion Planner vs rule-based, hybrid, learning-based baselines |
| method | 200h real-world delivery-vehicle data integrated into the nuPlan framework, same metrics, closed-loop simulation; baselines retrained on the delivery dataset (Appendix E) |
| scope | delivery-vehicle domain only (conservative style, bike lanes, dense interactions, special regulations); baseline transfer gap attributed to nuPlan-tailored designs by author interpretation |
Result
Diffusion Planner 92.08（collisions 96.00、TTC 91.00、drivable 100.0、comfort 94.00、progress 100.0）为全场最高。对照：PlanTF 90.89；PLUTO（hybrid）83.49；PDM-Closed 80.95；PDM-Hybrid 80.72；IDM 75.38；PDM-Open* 64.84；GameFormer w/o refine. 22.41。跨域落差参照（nuPlan Test14 NR → delivery）：PLUTO w/o refine. 89.90 → 87.77（PLUTO hybrid 92.23 → 83.49）、PDM-Closed 90.05 → 80.95、GameFormer w/o refine. 11.36 → 22.41（绝对值仍极低）。
Caveats
- 单一域内读数，无“去掉基线特化组件”的消融——基线掉分源于 nuPlan-tailored 设计（参考线、crosswalk 适配）是作者解释，归因未经隔离。
- GameFormer w/o refine. 在两域都崩溃（11.36/22.41），其“掉分”更多反映精修依赖而非迁移失败。
- 评估协议为改造入 nuPlan 框架的自建闭环，模拟器实现细节与 nuPlan 官方基准的同一性未独立核验。
关联（9）
- 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-038 无基准特化组件的规划器跨驾驶风格迁移保持：配送车（保守风格、非机动车道、密集交互）数据集上重训后取得最高闭环分，而含 nuPlan 特化设计（参考线、crosswalk 适配）的基线（PDM/GameFormer/PLUTO）掉分——迁移优势归因依赖作者解释，未经消融隔离。
- 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-036 co-source 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。
- 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。