FRM-2402.13243 Formalization

0. Overview

VADv2（PPR-2402.13243，Chen 等 2024；本次源为 ICLR 2026 修订版 arXiv:2402.13243v2）处理规划的不确定性与非确定性。论文的诊断：既有学习式规划方法走确定式范式直接回归动作（轨迹或控制信号），隐含“场景与动作间存在确定关系”的假设；而人类驾驶行为与场景的关系是高度随机的，当可行解空间非凸（存在多个可行动作）时，确定式回归可能输出中间动作、带来安全风险。VADv2 改为概率式规划：把策略建模为场景条件的随机过程 \(p(\bm a\mid\bm o)\)，先把高维连续动作空间离散成大规模规划词表（默认 \(N=4096\)，用最远点采样从演示动作中选出，因而天然满足运动学约束），再受 NeRF 启发用概率场函数建模动作到概率的连续映射——动作经傅里叶位置编码成 planning token，经 transformer 解码器与场景 token 交互后由 sigmoid 给出概率。训练用分布损失（KL 散度退化为交叉熵，最佳匹配动作标 1）、冲突损失（压低与真值未来运动或道路边界冲突的候选概率）与场景 token 损失。

本重建覆盖 Abstract、§3（VADv2 方法：Scene Encoder / Probabilistic Planning / Training / Inference），版本锚定 arXiv:2402.13243v2（该版为 ICLR 2026 修订版，新增 NAVSIM 与 3DGS 基准评估）。

1. Definitions

入库概念（→ CPT）：

• PDMS → CPT-017：NAVSIM 评估口径（本修订版新增该基准评估）。
• CARLA / Bench2Drive：闭环基准，库内暂无对应 BMK 卡（缺口留待 P5/P8 处置）。

论文内定义（未入库概念，标 CANDIDATE，不新建 CPT）：

• 概率式规划：\(p(\bm a\mid\bm o)\)，\(\bm o=(E_\text{scene},E_\text{navi}, E_\text{state})\)，\(\bm a=(x_1,y_1,\dots,x_T,y_T)\) 为未来 waypoint 序列。
• 规划词表 \(\mathcal V=\{\bm a^i\}^N\)：从驾驶演示的全部动作集合 \(\mathcal S\) 中以最远点采样选 \(N\) 个代表动作（算法 1：每轮取到已选集合端点距离最小者最大的动作）；默认 \(N=4096\)。动作取自演示，转控制信号时天然不越界。
• 概率场函数：假设 \(p(\bm a)\) 对 \(\bm a\) 连续且对小扰动不敏感（\(\lim_{\Delta\bm a\to0}(p(\bm a)-p(\bm a+\Delta\bm a))=0\)），以 NeRF 式场函数建模该连续映射。
• planning token 编码：对每个坐标施加 \(\Gamma(\text{pos})= (\gamma(\text{pos},j))_{j=0}^{L-1}\)，\(\gamma(\text{pos},j)=(\cos(\text{pos}/10000^{2\pi j/L}), \sin(\text{pos}/10000^{2\pi j/L}))\)，把 \(\mathbb R\) 映到 \(\mathbb R^{2L}\)。
• 概率预测：\(p(\bm a)=\sigma(\text{MLP}(\phi(E(\bm a),E_\text{scene}))+ E_\text{navi}+E_\text{state}))\)，\(E(\bm a)\) 作 query、\(E_\text{scene}\) 作 key/value。
• 分布损失：\(\mathcal L_\text{distribution}=D_\text{KL}(p_\text{data} \|p_\text{pred})\)，因 \(p_\text{data}\) 固定退化为交叉熵 \(-\sum_{\bm a\in\mathcal V}p_\text{data}(\bm a)\log p_\text{pred}(\bm a)\)；\(p_\text{data}\) 由“每帧取到真值 \(L_2\) 距离最小的词表动作标 1”的出现频率估计（类 LLM next-token 分类目标）。
• 冲突损失：\(\mathcal L_\text{conflict}=\sum_{\bm a\in\mathcal V} \mathbb 1_\text{conflict}(\bm a)\log p_\text{pred}(\bm a)\)——与其他智能体真值未来运动或道路边界冲突的候选被当作负样本压低概率。
• 场景 token 损失：map token（MapTRv2 式）、agent token（检测 + 多模运动预测、minFDE）、交通元素 token（红绿灯状态与其是否影响 ego、停止牌与 ego 的重叠）。
• 推理策略：闭环下取概率最高动作 + PID 转控制；更稳健做法是 top-\(K\) 提案 + 规则 wrapper 过滤 + 优化式后求解器精修；概率本身可作“规则/学习控制切换”的置信判据。

2. Axioms（作者公理：论文接受而未证明的前提）

• AX-1（规划的非确定性）：场景与动作之间不存在确定关系，人类驾驶行为高度随机；可行解空间非凸时确定式回归可能输出中间动作，存在安全风险。
• AX-2（概率的连续性）：\(p(\bm a)\) 关于 \(\bm a\) 连续且对小幅扰动不敏感——这是把分布当作连续场函数建模的合理性前提。
• AX-3（演示动作的运动学合法性）：词表动作全部取自驾驶演示，因而天然满足 ego 运动学约束，转控制信号不越界。
• AX-4（频率可估数据分布）：逐帧最佳匹配计数归一化得到的出现频率可作 \(p_\text{data}\) 的估计（next-token 式建模）。

3. Theorems（作者可推导命题；本层薄）

骨架阶段占位。本文为方法/基准型，未提出独立命题层。P3 投影时若识别出值得保留的定性命题，再实体化为 CLM 并回填 ID。

4. Evidence（实证 → CLM/EVI 映射）

骨架阶段占位（待 P3）。可用观察锚点：CARLA Town05 Long/Short 闭环结果、Bench2Drive 排名、NAVSIM 评估、3DGS 基准评估、词表大小与损失项消融。均为论文自报，无库内 EVI/VER。

5. Argument（论证结构）

• AR-1（由 AX-1 推出概率式规划）：以 \(p(\bm a\mid\bm o)\) 替代确定式回归，显式建模多可行解与行为随机性。
• AR-2（由 AX-1 + AX-3 + AX-4 推出词表与分布监督）：连续空间难处理 → 最远点采样离散成词表（合法性由 AX-3 保证）→ 以出现频率为目标做交叉熵（AX-4）。
• AR-3（由 AX-2 推出概率场函数）：假设分布连续且平滑，故用傅里叶位置编码 + transformer 解码器参数化连续场。
• AR-4（场景约束正则）：冲突损失压低违反智能体真值运动/道路边界的候选概率，把驾驶先验注入分布。
• AR-5（推理的灵活性与回退）：闭环取 argmax + PID；更稳健路径为 top-\(K\) + 规则 wrapper + 优化精修，并可据概率在规则与学习控制间切换。
• AR-6（经验支撑）：CARLA 闭环、Bench2Drive、NAVSIM 与 3DGS 基准结果支撑 AR-1..AR-5（属 Evidence，非证明）。

6. Commentary

作者评论

• 结论段：概率式规划在 CARLA Town05 闭环显著领先并领跑 Bench2Drive，在 NAVSIM 与 3DGS 基准上亦有效；局限见原文 §5。

本库评论

• 版本差异（承重）：本次源为 arXiv:2402.13243v2（ICLR 2026 修订版），相对 2024 年首发版新增 NAVSIM 与 3DGS 基准评估；引用本卡时须带版本号，跨版本比较不可假定同内容。
• 词表构造与 Hydra-MDP 不同：VADv2 用最远点采样（覆盖导向），Hydra-MDP/GTRS 用 K-means（密度导向）。两者共享“固定词表 + 打分”骨架，但覆盖性质不同，是后续方法消融的分歧点之一。
• 训练期特权信息：冲突损失使用其他智能体真值未来运动与道路边界，属特权监督；与仅用传感输入的推理阶段存在信息不对称。
• 保留规则回退：推理节把“概率作规则/学习切换判据”列为实践建议，实际是把部分决策权交回规则系统，与纯端到端主张有张力。
• 与 DiffusionDrive 的关系：VADv2 是词表采样线的代表；DiffusionDrive 以截断扩散 + 多模锚点替代纯词表采样，其消融把纯词表采样（如 VADv2 式）当作对照。
• 评测域：CARLA（反应式闭环）与 NAVSIM（非反应式）并存，引用分数须注明基准（闭环读法见 DIS-003）。

7. Traceability

Review Log

• 2026-09-14 骨架起草（Tier-1 展开批次，第 5 篇）。G1 忠实度审核待人工签发（DA7）。G1 未过，P3 不得开始。