FRM-2503.12820 Formalization

0. Overview

Hydra-MDP++（PPR-2503.12820，Li 等 2025，NVIDIA）是 Hydra-MDP（PPR-2406.06978）的扩展。论文的诊断：只模仿日志人类轨迹的端到端规划器无法把规划决策与驾驶环境关联，导致碰撞、越出可行驶区等失败；而规则式教师的偏好（PDM 指标系统，见 CPT-017）可通过蒸馏内化。Hydra-MDP 的做法是在一个离散固定的规划词表上做两件事——模仿损失对齐人类演示，专家引导的 Hydra 蒸馏用仿真度量对齐规则教师。Hydra-MDP++ 的扩展点是教师指标集：在传统 NAVSIM 派生教师之外加入红绿灯合规（TL）、车道保持（LK） 与扩展舒适（EC），以覆盖旧教师未捕捉的不安全行为；模型仍直接处理原始图像、不依赖特权感知信号，以轻量 ResNet-34 运行，并可放大到 V2-99 图像编码器（论文称 NAVSIM drive score 91.0）。

本重建覆盖 Abstract、§2（Method）与实验结构，版本锚定 arXiv:2503.12820v1。

1. Definitions

入库概念（→ CPT）：

• PDMS → CPT-017：论文以 PDM 指标系统作教师，PDMS 定义见该概念；扩展教师指标 TL/LK/EC 属该口径的补充项（库内 BMK-006 记录 v2 口径）。

论文内定义（未入库概念，标 CANDIDATE，不新建 CPT）：

• 规划词表（planning vocabulary）\(\mathcal V_k\)：从 nuPlan 原始库随机采样 700K 条轨迹（每条 40 个 \((x,y,heading)\)、10Hz、4 秒 horizon），取其 K-means 聚类中心构成的 \(k\) 个候选；经 MLP 嵌入为 \(k\) 个 latent query，进 transformer encoder 并与 ego 状态 \(E\) 相加，再以环境 token \(F_\text{env}\) 为 K/V 过 transformer decoder。
• 时间 SE 网络（temporal Squeeze-and-Excitation）：跨时间维做通道式注意，聚合历史与当前图像特征得环境 token \(F_\text{env}=\text{Conv}(\text{TemporalSE}(\text{Concat}( F_\text{img}^\text{pre},F_\text{img}^\text{cur})))\)；历史 token 的梯度被 detach 以加速收敛。
• 模仿损失：以日志回放轨迹 \(\hat T\) 与词表轨迹的 \(L_2\) 距离经 softmax 得目标分布 \(y_i\)，最小化距离式交叉熵 \(\mathcal L_\text{im}=-\sum_i y_i\log(\mathcal S_i^\text{im})\)。
• 专家引导的 Hydra 蒸馏（Expert-guided Hydra-Distillation）：对训练集逐场景离线仿真词表轨迹，得到各度量真值，训练多头解码器对齐这些指标；教师为 PDM 指标系统，指标集含扩展的 TL/LK/EC（扩展度量阈值在正文给出，如 DDC/LK 的距离阈值 \(\tau_D=0.5\) m、EC 的加速度/加加速度/航向率阈值等）。
• 加权置信度（weighted confidence）：推理期用固定权重组合多个子分数得最终选择分的后处理步骤（论文消融记为 W）。
• 双网络结构：感知网络（图像骨干 + 时间 SE）与轨迹解码器（在词表上做分类与多头打分）。

2. Axioms（作者公理：论文接受而未证明的前提）

• AX-1（模仿不足）：只以日志轨迹为目标不足以让模型把规划决策与驾驶环境关联，会遗留碰撞与越界类失败。
• AX-2（固定动作空间使离线度量真值可得）：只要动作空间在训练期固定，即可离线生成各度量真值用于蒸馏（前提性观察，含计算可行性）。
• AX-3（规则教师偏好可蒸馏）：规则式（PDM）指标系统的偏好可作为监督目标被学生内化。
• AX-4（单轨迹回归的探索缺口）：回归单条目标轨迹依赖对 ego 历史状态的外推，留下大片未被探索的动作空间。

3. Theorems（作者可推导命题；本层薄）

骨架阶段占位。本文为技术报告/实验型，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（均为论文自报，无库内 EVI/VER）：PDM 分数表（Navtest，含 ResNet-34 与 V2-99 两档）、扩展 PDM 分数表（EPDMS）、模块消融表（W 加权置信度 / TS 时间 SE / P 辅助感知任务）、以及扩展教师蒸馏消融表（DDC/LK/EC 作为附加蒸馏目标的前后对比）。

5. Argument（论证结构）

• AR-1（由 AX-4 推出离散词表 + 分类解码）：与其回归单条轨迹，不如在 K-means 词表上做分类式打分，暴露比单轨迹外推更大的动作空间。
• AR-2（由 AX-1 + AX-2 + AX-3 推出蒸馏）：在模仿损失之上加专家引导蒸馏——对固定词表离线仿真得度量真值，用多头解码器对齐规则教师，把“环境如何影响规划”内化。
• AR-3（++ 的扩展点）：教师指标集扩入 TL/LK/EC，覆盖旧 NAVSIM 派生教师未捕捉的不安全行为。
• AR-4（工程主张）：模型直接处理原始图像、不依赖特权感知；以轻量 ResNet-34 运行并可放大到 V2-99。
• AR-5（经验支撑）：NAVSIM 分数与扩展指标消融支撑 AR-1..AR-4（属 Evidence，非证明）。

6. Commentary

作者评论

• 结论段：以人类演示 + 规则教师的蒸馏在轻量骨干上取得领先，兼顾多样驾驶场景与计算效率；细节见项目主页。

本库评论

• 文本形态：源为短篇技术报告式（方法远短于常规会议论文，无独立结论段），部分实现细节依赖代码/附录，骨架按可得正文重建。
• 分数口径：91.0 是 V2-99 骨干下的数字；与 ResNet-34 结果不是同一条件（DA-WAM（PPR-2608.19085）与 DiffusionDriveV2（PPR-2512.07745）的对照表分别列出两档）。
• 隐含代价：AX-2 的“离线仿真整个训练集的词表轨迹”是显式但昂贵的预处理；引用方法优势时不宜忽略该成本。
• 与 Hydra-MDP 的关系：本卡是 PPR-2406.06978 的扩展，结论应表述为“在 Hydra-MDP 基础上扩展教师指标”，不是独立提出的框架。
• 加权置信度是推理期后处理：消融表把 W（weighted confidence）列为关键项，属推理期组合子分数而非训练目标；引用跨方法比较时需与不含后处理的版本区分（DiffusionDrive（PPR-2411.15139）正是以“无后处理”对照含该步骤的 Hydra-MDP 变体）。
• 评测域：NAVSIM（非反应式）；未做反应式闭环（闭环读法见 DIS-003）。

7. Traceability

Review Log

• 2026-09-14 骨架起草（Tier-1 升级批次第二批，第 8 篇）。G1 忠实度审核待人工签发（DA7）。G1 未过，P3 不得开始。