FRM-2405.19620 Formalization

0. Overview

SparseDrive（PPR-2405.19620，Sun 等 2024，NeurIPS）处理端到端规划的性能与效率双缺口。论文的诊断：模块化系统（感知/预测/规划解耦）损失信息并累积误差；端到端范式统一可微、有规划导向优化的潜力，但既有方法在规划安全上表现与效率都不理想，根因是计算昂贵的 BEV 特征与直白的预测/规划设计。SparseDrive 的做法是改走稀疏表示并重审任务设计：对称稀疏感知模块用同一套模型结构统一检测、跟踪与在线建图，学得全稀疏场景表示；并行运动规划器基于“运动预测与规划高度相似、规划本身是多模问题”的判断，用同一套多模头同时预测周围智能体与 ego 的轨迹和分数，再经分层规划选择（先按高层命令取子集，再以碰撞感知重打分把碰撞轨迹分数置 0）选出安全轨迹。

本重建覆盖 Abstract 与 §3（Method 全节，含端到端学习），版本锚定 arXiv:2405.19620v2。

1. Definitions

入库概念（→ CPT）：

• PDMS → CPT-017：NAVSIM 评估口径（论文在 NAVSIM 上报告规划结果）。
• BEV 表示：论文把昂贵的 BEV 特征列为效率瓶颈，作为被替代对象提及；库内如有对应 CPT 则以该 ID 绑定，否则留待 P5 补。

论文内定义（未入库概念，标 CANDIDATE，不新建 CPT）：

• 对称稀疏感知（symmetric sparse perception）：检测与在线建图共用同一模型结构（差异仅在实例定义），跟踪复用检测实例的 ID 分配。
• 稀疏检测：实例特征 \(F_d\in\mathbb R^{N_d\times C}\) 与锚框 \(B_d\in\mathbb R^{N_d\times 11}\)（\(x,y,z,\ln w,\ln h,\ln l,\sin yaw, \cos yaw,vx,vy,vz\)）；\(N_\text{dec}\) 个解码器 = 1 个非时序 + 若干时序解码器；时序解码器多出“上一帧实例与本帧实例的时序交叉注意”与“本帧实例间自注意力”；锚框转成高维锚嵌入作位置编码；变形聚合在锚框周围取关键点投影到特征图采样。
• 稀疏在线建图：锚为 \(N_p\) 点折线 \(\{x_0,y_0,\dots,x_{N_p-1},y_{N_p-1}\}\)，实例为 \(F_m,L_m\)。
• 稀疏跟踪：检测置信度超过阈值 \(T_\text{thresh}\) 即锁定目标并分配 ID，时序传播中不变（沿用 Sparse4Dv3 的 ID 分配）。
• ego 实例初始化：\(F_e=\text{AveragePool}(I_{\text{front},S})\)——用前视最小特征图初始化（既含语义上下文，又为稀疏表示补密集信息）；速度不用真值以防 ego 状态泄漏，而由辅助任务解码当前 ego 状态 \(ES_T\)（速度、加速度、角速度、转向角），本帧速度用上一帧预测值。
• 并行运动规划器：智能体级实例 \(F_a=\text{Concat}(F_d,F_e)\)，配 \((N_d+1)\times H\) 的实例记忆队列；三类交互——agent-temporal 交叉注意（实例级）、agent-agent 自注意、agent-map 交叉注意；输出多模轨迹 \(\tau_m\in\mathbb R^{N_d\times\mathcal K_m\times T_m\times2}\)、\(\tau_p\in\mathbb R^{N_c\times\mathcal K_p\times T_p\times2}\) 与分数 \(s_m,s_p\)；规划按三种驾驶命令（左转/右转/直行，\(N_\text{cmd}=3\)）分组。
• 分层规划选择（hierarchical planning selection）：先按命令取候选子集 \(\tau_{p,\text{cmd}}\)，再经碰撞感知重打分——用运动预测结果评估每条候选的碰撞风险，碰撞者分数直接置 0，最后取最高分。
• 两阶段训练：阶段一自监督训练稀疏感知；阶段二感知与运动规划器联合端到端训练、不冻结任何权重。总损失 \(\mathcal L=\mathcal L_\text{det}+\mathcal L_\text{map}+ \mathcal L_\text{motion}+\mathcal L_\text{plan}+\mathcal L_\text{depth}\)，多模预测/规划用 winner-takes-all，规划另有 ego 状态回归损失；深度估计作辅助任务。

2. Axioms（作者公理：论文接受而未证明的前提）

• AX-1（模块化代价）：模块化解耦带来信息损失与跨模块误差累积，端到端统一可微框架可避免。
• AX-2（效率瓶颈归因）：既有端到端方法性能与效率不理想的根因是计算昂贵的 BEV 特征与直白的预测/规划设计。
• AX-3（预测与规划同构）：运动预测与规划高度相似，规划是多模问题——故可共用结构并行处理。
• AX-4（ego 状态泄漏）：直接用真值速度初始化 ego 锚会造成 ego 状态泄漏，须以辅助任务解码替代。
• AX-5（稀疏表示充分性）：稀疏实例表示足以表征驾驶场景（并可辅以前视密集特征兜底漏检障碍）。

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：检测/跟踪/建图/规划各任务主表、训练与推理效率对比、消融（稀疏表示、碰撞重打分、ego 初始化方式）。均为论文自报，无库内 EVI/VER。

5. Argument（论证结构）

• AR-1（由 AX-1 + AX-2 推出稀疏路线）：以稀疏实例表示替代密集 BEV 特征，同时改善效率与规划安全。
• AR-2（结构对称）：检测、跟踪、在线建图共用一套结构与实例传播机制，减少设计冗余。
• AR-3（由 AX-3 推出并行规划器）：ego 与周围智能体共用多模轨迹头并行预测，规划因此天然多模。
• AR-4（多模选择的安全性）：分层选择先按命令约束，再以碰撞感知重打分把碰撞候选分数置 0，把安全约束落成选择阶段的硬操作。
• AR-5（由 AX-4 推出初始化方案）：ego 速度用上一帧预测值 + 辅助 ego 状态解码，避免泄漏；ego 特征用前视最小特征图初始化，兼顾语义与漏检兜底。
• AR-6（经验支撑）：各任务主表与效率对比支撑 AR-1..AR-5（属 Evidence，非证明）。

6. Commentary

作者评论

• 结论段：SparseDrive 在各任务上大幅超过此前最优，同时训练与推理效率更高；代码开源。

本库评论

• 碰撞重打分是硬规则介入：把碰撞轨迹分数直接置 0 属人工设计的安全兜底，与“完全学习式选择”不同；引用时须区分其分数来自学习、安全约束来自规则。
• 与 SparseDriveV2 的关系：PPR-2603.29163 是其后续，主张“打分即全部”——本卡的分层选择与打分分离是该主张的直接前身。
• 三命令分组的隐含先验：以左/右/直三种命令作为规划分支，粒度较粗，在复杂路口的表达能力受限（后续方法多以词表或生成式多模替代）。
• Ego 状态泄漏的处置：论文主动回避真值速度并引入辅助解码任务，与“Is Ego Status All You Need”（PPR-2312.03031）的诊断同一问题域。
• 评测域：论文以 NAVSIM 与 nuScenes 为主；NAVSIM 属非反应式闭环（读法见 DIS-003）。

7. Traceability

Review Log

• 2026-09-14 骨架起草（Tier-1 展开批次，第 6 篇）。G1 忠实度审核待人工签发（DA7）。G1 未过，P3 不得开始。