FRM-2406.06978 Formalization

0. Overview

Hydra-MDP（PPR-2406.06978，Li 等 2024，NVIDIA；NAVSIM 挑战赛第一名）处理模仿学习与闭环驾驶表现之间的断层。论文先把既有方法归为两个范式：A“单模规划 + 单目标学习”（直接回归轨迹、仅模仿损失）；B“多模规划 + 单目标学习”（预测多候选、按代价函数后处理选优——但该后处理基于不完美感知 \(P\) 且不可微）。Hydra-MDP 提出范式 C“多模规划 + 多目标学习”：在 VADv2 式固定规划词表上，学生网络从原始传感 \(O\) 同时预测各候选的模仿分与各项仿真度量子分数，监督来自拥有真值感知 \(\hat P\) 的教师离线跑出的仿真分数——以此把规则式驾驶知识经知识蒸馏内化，替代不可微后处理。感知网络沿用 Transfuser 挑战赛基线（图像 + LiDAR 双骨干、3D 检测与 BEV 分割辅助头），输出环境 token \(F_\text{env}\)。

本重建覆盖 Abstract、§2（Solution 全节，含推理与集成），版本锚定 arXiv:2406.06978v4。

1. Definitions

入库概念（→ CPT）：

• PDMS → CPT-017：NAVSIM 评估口径，蒸馏目标与推理组装的直接对象。
• 与 CPT-021（trajectory optimization）的区分：本文为学习式生成 + 词表选择，不做显式优化，故不绑定该概念。

论文内定义（未入库概念，标 CANDIDATE，不新建 CPT）：

• 三范式：A 单模 + 单目标（\(\mathcal L=\mathcal L_\text{im}(T^*,\hat T)\)，通常 L2）；B 多模 + 单目标（\(\mathcal L=\sum_i\mathcal L_\text{im}(T_i,\hat T)\)，感知输出 \(P\) 经不可微代价函数 \(f(T_i,P)\) 后处理选 \(T^*=\arg\min_{T_i}f(T_i,P)\)）；C 多模 + 多目标（\(\mathcal L=\sum_i\mathcal L_\text{im}(T_i,\hat T)+\mathcal L_\text{kd} (f(T_i,\hat P),\tilde f(T_i,O))\)，选 \(T^*=\arg\min_{T_i}\tilde f(T_i,O)\)）。
• 规划词表 \(\mathcal V_k\)：从 nuPlan 随机采样 700K 条轨迹（40 个 \((x,y,heading)\)、10Hz、4 秒 horizon）取 K-means 中心；MLP 嵌入为 latent query，过 transformer encoder 并加 ego 状态 \(E\)，再以 \(F_\text{env}\) 为 K/V 过 transformer decoder（\(\mathcal V'_k,\mathcal V''_k\)）。
• 模仿目标：日志回放轨迹与词表的 \(L_2\) 距离经 softmax 得 \(y_i\)，距离式交叉熵 \(\mathcal L_\text{im}=-\sum_i y_i\log(\mathcal S^\text{im}_i)\)。
• 多目标 Hydra 蒸馏：两步——对全训练集离线仿真词表轨迹得各度量真值 \(\hat{\mathcal S}^m_i\)；Hydra 预测头输出 \(\mathcal S^m_i\)，以二元交叉熵蒸馏 \(\mathcal L_\text{kd}=-\sum_{m,i}\hat{\mathcal S}^m_i \log\mathcal S^m_i+(1-\hat{\mathcal S}^m_i)\log(1-\mathcal S^m_i)\)。
• 组装代价（推理）：\(\tilde f(T_i,O)=-(w_1\log\mathcal S^\text{im}_i+ w_2\log\mathcal S^\text{NC}_i+w_3\log\mathcal S^\text{DAC}_i+ w_4\log(5\mathcal S^\text{TTC}_i+2\mathcal S^\text{C}_i+ 5\mathcal S^\text{EP}_i))\)；权重网格搜索，典型范围 \(0.01\le w_1\le0.1\)、\(0.1\le w_2,w_3\le1\)、\(1\le w_4\le10\)——规则代价权重系统性高于模仿。
• 两种集成：Mixture of Encoders（线性层融合不同视觉编码器特征）与 Sub-score Ensembling（独立模型子分数加权和）。

2. Axioms（作者公理：论文接受而未证明的前提）

• AX-1（仅模仿不足）：仅对齐人类演示不足以让模型把规划决策与驾驶环境关联，闭环下遗留碰撞与越界失败。
• AX-2（不可微后处理的缺陷）：范式 B 的选优基于不完美感知 \(P\) 且不可微，无法端到端缩放。
• AX-3（教师特权可蒸馏）：教师可访问真值感知 \(\hat P\) 与离线仿真，其规则式偏好（各度量分数）可经蒸馏被仅见 \(O\) 的学生内化。
• AX-4（固定词表使离线仿真可行）：动作空间在训练期固定是离线批量仿真每个候选的前提（代价可行性）。

3. Theorems（作者可推导命题；本层薄）

骨架阶段占位。本文为方法/竞赛报告型，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：NAVSIM 挑战赛第一名结果、范式对比与消融表、集成技术效果。均为论文自报，无库内 EVI/VER。

5. Argument（论证结构）

• AR-1（由 AX-1 推出蒸馏必要性）：模仿目标之外，需要把仿真度量的规则知识注入训练。
• AR-2（由 AX-2 推出范式 C）：以可学习的多目标预测 \(\tilde f\) 替代不可微后处理，选优在预测分数上进行、可端到端缩放。
• AR-3（由 AX-3 + AX-4 推出两步蒸馏）：固定词表 → 离线批量仿真得每候选每度量真值 → BCE 蒸馏到多头预测头。
• AR-4（推理组装）：模仿分与各子分数按网格搜索权重对数线性组合，规则代价权重系统性高于模仿（权值范围即证据）。
• AR-5（经验支撑）：挑战赛结果与消融支撑 AR-1..AR-4（属 Evidence，非证明）。

6. Commentary

作者评论

• 框架不受不可微后处理限制，可按更多代价函数或模仿相似度轻松扩展。

本库评论

• 组装权重的性质：\(w_{1..4}\) 是推理期网格搜索得到的手调超参而非学得——这是后续方法（DiffusionDrive 以无后处理变体对照；GTRS 以词表泛化替代）批评或绕开的点，引用分数时须注明是否含该后处理。
• 与 Hydra-MDP++ 的关系：PPR-2503.12820 是其扩展（教师指标扩入 TL/LK/EC），本卡的蒸馏机制为两者共享。
• 离线仿真成本：对全训练集逐场景仿真词表是显性开销，与 AX-4 的可行性前提互为表里。
• 感知依赖：沿用 Transfuser 基线，含 LiDAR 与检测/分割辅助监督，非 perception-free。
• 评测域：NAVSIM（非反应式）；闭环优势是蒸馏目标带来的推断，论文未做反应式闭环验证（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 4 篇）。G1 忠实度审核待人工签发（DA7）。G1 未过，P3 不得开始。