FRM-2503.11650 Formalization

0. Overview

Centaur（PPR-2503.11650，Gao 等 2025）处理部署期规划的可靠性。论文的诊断：常见做法要么加“回退层”在检测到违规时替换为预定义安全动作，要么用预定义代价函数结合额外预测调整决策——但这些预编程规则无法随新训练数据学习，常导致过度保守行为。Centaur 改用测试时训练（test-time training, TTT）：不依赖手工规则或代价函数，而是度量并最小化规划器决策中的不确定性。为此论文提出 Cluster Entropy 这一不确定性度量——把打分式规划器视为词表上的分类器，先采 \(M\) 个候选（\(M\ll k\)，按被试集上专家算法的平均分加权采样），选出 5 个方向锚（sharp left / slight left / forward / slight right / sharp right），把候选按 \(L_2\) 距离归入最近锚的簇、簇内分数求和归一化得 5 类分布，取其 Shannon 熵。用测试时之前时刻的数据算出梯度、存入长度 \(F=4\) 的缓冲，推理前以缓冲内梯度的平均做单步参数更新。论文另发布 navsafe——从 navtest 中按 NHTSA 事故前场景类型并人工核对挑出 229 帧、覆盖 10 个类别的安全关键场景集。

本重建覆盖 Abstract、§3（Centaur：Cluster Entropy 与 TTT）、§4（navsafe）与 §5（结论与局限），版本锚定 arXiv:2503.11650v1。

1. Definitions

入库概念（→ CPT）：

• PDMS → CPT-017：navtest 评估口径；论文报告在该榜排名第一。
• NAVSIM → BMK-006：navsafe 构建于其 navtrain/navtest 划分之上（navtrain 1192 logs / 103288 帧，navtest 136 logs / 12146 帧；输入含 1.5 秒历史（4 帧）相机与 LiDAR、ego 状态、导航命令；规划 horizon 4 秒）。

论文内定义（未入库概念，标 CANDIDATE，不新建 CPT）：

• 打分式规划器的不确定性：\(\{s_j\}_{j=1}^k=\{\pi_\theta(\bt_j,\bx_0, \bc_0)\}_{j=1}^k\)，\(\hat{\bt}_0=\arg\max_{\bt_j}\{\phi(s_j)\}\)；因而是词表上的多模分布，可表示规划不确定性。训练目标由专家算法 \(e\) 提供真值分数特征（知识蒸馏数据集 \(D_{kd}\)），损失 \(\mathcal L_{kd}\) 用交叉熵。
• 朴素熵的偏置（问题陈述）：词表通常数千条，邻近轨迹分数近乎相同；直接最小化分数分布熵会鼓励模型避开“邻居多”的轨迹（如直行），故朴素熵不适合作不确定性度量。
• 轨迹候选采样：从词表采 \(M\) 个候选（\(M\ll k\)），加权采样偏向在被试集上按专家算法平均分高的候选。
• 方向锚（direction anchors）：沿用 DriveLM 式 5 类——按横向偏移选 sharp left/right（偏移最大）→ slight left/right（偏移约为前者一半）→ forward（横向偏移最小）。
• Cluster Entropy：把 \(M\) 个候选按 \(L_2\) 距离归入最近锚得 5 簇，簇内预测分数求和得锚分 \(score_a\)，归一化 \(\frac{score_a}{\sum_{a=1}^5 score_a}\) 后取 Shannon 熵 \(H\)。
• 测试时训练（TTT）：对 \(H(\bx)\) 反向传播得 \(\partial H/\partial \theta\)，不立即更新而存入长度 \(F=4\) 的缓冲；在时刻 \(i\) 用缓冲内梯度平均更新 \(\hat\theta_i=\theta-\eta\{\partial H/\partial\theta\}_\text{avg}\)。直觉是抑制模型“同时在多个簇给高分”的倾向，从而修正簇内显著偏离其他轨迹的离群预测。
• 部署特性：时刻 \(i\) 的梯度只用缓冲中历史时刻的梯度，故除平滑外还允许异步并行——梯度计算可放独立硬件，推理延迟开销最小。
• navsafe：由 navtest 前 229/12146 帧构成，覆盖 10 类（Roundabout、Yellow light rush or wait?、Exit ramp、Unprotected left、Enter ramp、Uncommon traffic sign、Overtaking with lane change、No lane area、Bad weather、Yielding）；构建流程为“按 SOTA 规划器平均性能排序 navtest → 人工标注/归类 → 按 NHTSA 事故前场景类型补类 → 重新排序循环”；CLIP 聚类显示其偏离 navtest 分布中心。

2. Axioms（作者公理：论文接受而未证明的前提）

• AX-1（预编程规则的不可学习性）：手工回退层与固定代价函数不能随新训练数据学习与改进，因而常导致过度保守行为。
• AX-2（规划器即分类器）：打分式规划器在词表上的分数分布蕴含规划不确定性，可用于无监督目标。
• AX-3（朴素熵不适用）：词表巨大且邻近轨迹分数近同，朴素熵会把“邻居多”的轨迹判为高不确定性，故需先做方向级聚合。
• AX-4（不确定性可作 TTT 目标）：最小化该不确定性无需专家算法，可作为测试时训练的无监督目标。
• AX-5（历史梯度足够且可异步）：单步更新、且只用历史时刻的梯度即足以改进，并允许梯度计算与推理解耦到不同硬件。

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：navtest 榜单排名与安全关键子指标（如 TTC）增益、Cluster Entropy 与基线不确定性度量的对比、缓冲长度与更新步数消融、navsafe 上各场景类别得分与人类智能体对照。均为论文自报，无库内 EVI/VER。

5. Argument（论证结构）

• AR-1（由 AX-1 推出 TTT 路线）：以可在测试时继续学习的参数更新替代预编程规则/代价函数。
• AR-2（由 AX-2 + AX-3 推出 Cluster Entropy）：先按方向锚把候选归簇求和归一化，再取 5 类分布的 Shannon 熵，避开朴素熵对邻居密度的偏置。
• AR-3（由 AX-4 推出无监督目标）：用 \(H\) 作训练目标，摆脱对专家算法在测试时的依赖。
• AR-4（由 AX-5 推出缓冲更新与部署方案）：单步梯度更新 + 历史梯度平均缓冲（\(F=4\)），梯度计算可与推理并行。
• AR-5（诊断工具）：navsafe 以分场景类别得分暴露聚合指标掩盖的失败模式。
• AR-6（经验支撑）：navtest 排名与安全指标增益、navsafe 结果支撑 AR-1..AR-5（属 Evidence，非证明）。

6. Commentary

作者评论

• 结论段自陈局限：目前仅在开环（含基于仿真的指标）下评估；扩展到闭环且推理预算可负担是未来方向；测试时算力对效率敏感的驾驶任务是稀缺资源，需探索 TTT 与推理的统一以压低开销。

本库评论

• navsafe 的入库资格待裁：该场景集是本文提出的新基准（229 帧、10 类、分场景独立评分）。按 D1 的 benchmark 准入门槛（默认需 ≥2 条 EVI 链承重或已实际发生口径争议），当前库内尚无其他来源使用 navsafe，故不立 BMK 卡，留作候选；若后续 P5 出现围绕它的口径争议或跨来源复现，再经裁决准入。
• “规则回退 vs 不确定性最小化”是库内可对照的设计轴：Centaur 明确把回退层/代价函数与可学习的测试时更新对立；与 Hydra-MDP 系“用规则教师蒸馏进网络”不同——同为注入规则知识，一个在训练期、一个在测试期。跨卡比较时须注明该时序差异。
• 对评估口径的依赖：候选加权采样偏向“被试集上专家平均分高”的轨迹，属对评估集的先验；该先验在分布外（navsafe 那类外围场景）是否成立未在论文中单独检验。
• 开环限制由作者显式声明：结论段承认仅开环评估，与本卡 Evidence 的解读边界一致（闭环读法见 DIS-003）。
• 方向锚的 5 类离散化：Cluster Entropy 的分辨率由 5 个方向锚决定，熵值对锚的选取方式敏感。

7. Traceability

Review Log

• 2026-09-14 骨架起草（Tier-1 展开批次，第 10 篇）。G1 忠实度审核待人工签发（DA7）。G1 未过，P3 不得开始。