FRM-2404.07762 Formalization

0. Overview

NeuroNCAP（PPR-2404.07762，Tonderski 等 2024，Wayve 等）提出一个用于测试自动驾驶软件系统的神经（NeRF 式）仿真器，聚焦传感真实的闭环评估与安全关键场景的构造。该仿真器从真实驾驶传感序列学习，可对新的、未见场景做重配置与渲染。论文用它测试 AD 模型对受欧洲新车评估计划（Euro NCAP）启发的安全关键场景的响应，并报告：当时最优的端到端规划器在开环名义场景中表现出色，但在闭环安全关键场景中暴露严重缺陷——这凸显提升端到端规划器安全性与真实可用性的必要性。论文把仿真器与场景作为易于运行的评测套件公开。

本重建覆盖 Abstract 与 §3（Method：闭环仿真器、评测），版本锚定 arXiv:2404.07762v2。

1. Definitions

入库概念（→ CPT）：

• 本卡为评测协议 + 仿真器，产出自建的 NeuroNCAP 分数与碰撞率；与 NAVSIM（BMK-006）/CPT-017（PDMS） 口径不同，且与库内其他闭环设施（HUGSIM、DriveArena）机制不同。

论文内定义（未入库概念，标 CANDIDATE，不新建 CPT）：

• 神经仿真器：从真实驾驶传感数据序列学习，支持新场景的重配置与渲染，用于传感真实的闭环评估。
• 安全关键场景构造：与“在大规模数据集上平均性能”的常见做法相反，评测聚焦一小批精心设计的安全关键场景——其设计前提是“任何无法成功处理全部这些场景的模型都应被视为不安全”。三类场景按目标 actor（即将碰撞的对象）的行为划分：** stationary（静止）**、frontal（对向）、side（侧向）；目标是控制自车避免与目标 actor 碰撞，或至少降低碰撞速度。
• 场景实例化：每个场景基于约 20 秒真实驾驶数据；把 ego 与目标 actor 的状态初始化为“若维持当前速度与转向角，约 4 秒后发生碰撞”；移除全部非静止 actor，并按“是否被足够近、在必要角度上观测到”的标准随机选其一作目标 actor（因渲染器仅支持刚体，排除行人）；最后在场景特定的区间内对目标 actor 的位置、旋转与速度做随机抖动。评测时每场景以固定随机种子运行多次（100 次）并取平均。
• 评测指标：NeuroNCAP 分数与分场景类型的碰撞率；碰撞率不做时间平均，而定义为“无任何碰撞通过的场景比例”。
• 朴素基线：利用被评模型的感知结果决定刹车的简单逻辑基线，用于区分“感知失效”与“规划失效”。

2. Axioms（作者公理：论文接受而未证明的前提）

• AX-1（不安全即失败）：安全关键场景应被精心设计，使得任何无法全部通过的模型都应被视为不安全。
• AX-2（小批场景优于大集平均）：相对在大规模数据集上平均性能，聚焦少量精心设计的场景更能暴露真实缺陷。
• AX-3（闭环必要性）：评估回避行为需在闭环中进行，即自车与其他 actor 在每个时间步相互影响。

3. Theorems（作者可推导命题；本层薄）

骨架阶段占位。本文为评测协议型，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（如“开环表现不蕴含闭环安全”），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：UniAD 与 VAD（各自含/不含基于感知的轨迹后处理）在三类场景上的 NeuroNCAP 分数与碰撞率——论文报告不经后处理的网络规划极不安全、即便在简单 stationary 场景也多碰撞；朴素制动基线在 stationary 近乎完美（说明感知不是瓶颈）；后处理在 stationary 显著降低碰撞率，但在 frontal/side 效果远不如；frontal 场景碰撞率达 98–99%；另有 real-to-sim 研究增强结论可信度。均为论文自报，无库内 EVI/VER。

5. Argument（论证结构）

• AR-1（由 AX-1 + AX-2 推出评测设计）：以 Euro NCAP 启发的三类场景 + NeuroNCAP 分数取代大规模平均指标。
• AR-2（由 AX-3 推出闭环仿真）：在闭环中让自车与目标 actor 相互作用，使回避行为可被检验。
• AR-3（缺陷归因）：朴素基线在 stationary 近乎完美，说明感知不是瓶颈，而简单逻辑即可避碰；端到端模型对迫近碰撞几乎无反应，指向规划输出与辅助输出（感知/预测）之间的矛盾。
• AR-4（后处理的有限作用）：基于感知的轨迹后处理能显著改善 stationary，但对 frontal/side 效果有限，说明规则式补救不普适。
• AR-5（一致性对齐不泛化）：VAD 用多个损失项鼓励规划与感知/预测一致，但该对齐在这些安全关键场景上并不泛化。
• AR-6（可信度支撑）：real-to-sim 研究用于增强对上述结论的信心。

6. Commentary

作者评论

• 作者认为结果凸显当前端到端自动驾驶系统在设计或训练上的严重缺陷，并指出“减少预测计划与辅助输出之间的矛盾”是未来端到端规划器有前景的改进方向。

本库评论

• 与库内诊断链条的关系（承重）：本卡与 PPR-2312.03031（开环指标与 ego 状态主导的诊断）互补——后者论证开环指标不足以判别规划质量，本卡给出闭环下的具体失效证据；两者共同支撑 DIS-003 记录的“闭环读法”立场。引用闭环必要性时应同时挂两卡。
• 与 UniSim 的关系：两者都出自神经传感器仿真这条线（UniSim 见 PPR-2308.01898），本卡摘要自述为 NeRF 式仿真器；其与本卡仿真器的具体继承/差异（网格分解 vs NeRF 表征）须回源核对，本卡不擅自判定为同一实现。
• 与 HUGSIM 的对照：HUGSIM（PPR-2412.01718）同样提供安全关键场景的闭环评测但基于 3DGS；两者的差别在于场景表示与是否锚定真实日志，引用其失效结论时应带上仿真来源。
• UniAD 后处理的双面性：本卡发现后处理在 stationary 显著有益、在 frontal/side 有限；而 PPR-2312.03031 的 CCR 指标发现后处理显著提高越野风险。两卡合看，UniAD 式后处理是“单目标优化的局部改进”——引用其安全性结论时必须同时给出这两侧证据。
• 评测域：自建闭环场景集（nuScenes 序列派生），与 NAVSIM 线不可比。

7. Traceability

Review Log

• 2026-09-14 骨架起草（Tier-1 展开批次，第 42 篇）。G1 忠实度审核待人工签发（DA7）。G1 未过，P3 不得开始。