FRM-2504.01941 Formalization

0. Overview

WoTE（PPR-2504.01941，Li 等 2025）处理端到端驾驶中的在线轨迹评估。论文的诊断：端到端自动驾驶已通过把感知、预测与规划整合进全可微框架取得显著进展，但要充分发挥其潜力，有效的在线轨迹评估对保证安全不可或缺 ；而通过预测给定轨迹的未来结果，轨迹评估会有效得多——该目标可用世界模型捕捉环境动力学并预测未来状态来实现。WoTE 提出一个端到端驾驶框架，利用 BEV 世界模型预测未来 BEV 状态以供轨迹评估。论文强调该 BEV 世界模型相对图像级世界模型延迟更优，且可无缝地用现成的 BEV 空间交通仿真器监督。框架在 NAVSIM 基准与基于 CARLA 的闭环 Bench2Drive 基准上都取得最优表现。

本重建覆盖 Abstract 与 §3（Method：轨迹预测器、BEV 世界模型、奖励模型、BEV 空间监督），版本锚定 arXiv:2504.01941v2。

1. Definitions

入库概念（→ CPT）：

• NAVSIM → BMK-006、PDMS → CPT-017；Bench2Drive → 候选（CARLA 闭环）。

论文内定义（未入库概念，标 CANDIDATE，不新建 CPT）：

• 四组件流水线：轨迹预测器把多模态观测编码为 BEV 状态（BEV 特征图）并给出多条轨迹提案 → BEV 世界模型据各提案预测对应的未来 BEV 状态 → 奖励模型借助未来状态为每条轨迹预测奖励 → 取奖励最高者作最终轨迹。
• 轨迹预测器：按 Transfuser 使用多模态输入（LiDAR 与多视图 RGB），经 BEV 编码器得统一 BEV 特征图 \(\mathbf B\in\mathbb R^{h\times w\times c}\)（论文把该 BEV 特征图称作 BEV 状态）；并在轨迹锚引导下由轨迹精化模块基于 BEV 特征图精化候选——锚由训练集全部专家轨迹做 K-Means 聚类生成，锚数为 \(N\)。
• BEV 世界模型：以 BEV 状态为预测对象（而非像素/图像），据候选轨迹预测未来 BEV 状态；论文以“延迟效率”与“可用现成 BEV 空间交通仿真器监督”为其相对图像级世界模型的优势。
• BEV 空间监督：利用现成的 BEV 空间交通仿真器对世界模型与奖励模型提供监督（避免自行构造像素级真值）。

2. Axioms（作者公理：论文接受而未证明的前提）

• AX-1（在线评估的必要性）：要充分发挥端到端驾驶的潜力，有效的在线轨迹评估对保证安全不可或缺。
• AX-2（预测结果提升评估）：通过预测给定轨迹的未来结果，轨迹评估会有效得多。
• AX-3（世界模型是手段）：该目标可通过世界模型捕捉环境动力学、预测未来状态来实现。
• AX-4（BEV 级优于图像级）：BEV 级世界模型比图像级世界模型延迟更低，且可无缝地用现成的 BEV 空间交通仿真器监督。

3. Theorems（作者可推导命题；本层薄）

骨架阶段占位。本文为方法型，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 上的规划结果、CARLA 闭环 Bench2Drive 上的结果、延迟对比（BEV 级 vs 图像级世界模型）、四组件的消融。均为论文自报，无库内 EVI/VER。

5. Argument（论证结构）

• AR-1（由 AX-2 + AX-3 推出评估方案）：以世界模型预测未来状态，使轨迹奖励可在“结果”而非“当下特征”上计算。
• AR-2（由 AX-4 推出表示选择）：在世界模型层面选择 BEV 状态而非图像，换取更低延迟与更易获得的监督。
• AR-3（流水线组织）：轨迹预测器出候选、世界模型出未来状态、奖励模型出分数、取最高者为输出，四者串联为可端到端训练的框架。
• AR-4（监督来源）：借现成 BEV 空间交通仿真器提供监督，降低自建真值的成本。
• AR-5（经验支撑）：NAVSIM 与 Bench2Drive 结果、延迟与消融支撑 AR-1..AR-4（属 Evidence，非证明）。

6. Commentary

作者评论

• 摘要强调 BEV 世界模型的延迟优势与监督可得性，并称在 NAVSIM 与 Bench2Drive 上均达最优。

本库评论

• 世界模型谱系的第六个点（承重）：按预测目标与用途分轴，库内世界模型条目已覆盖——LAW（未来视觉潜，PPR-2406.08481）、Drive-JEPA（未来视频潜，PPR-2601.22032）、Auto-JEPA（未来轨迹潜，PPR-2607.29031）、OccWorld（占据，PPR-2311.16038）、DriveFuture（条件化未来场景潜，PPR-2605.09701）、本卡（未来 BEV 状态，用于奖励计算）。六者都称“世界模型”，引用时必须带预测目标与用途。
• 与 DriveFuture 的用途差异：同为“未来潜/状态 → 规划”，DriveFuture 把未来潜作扩散规划器的条件、WoTE 把未来 BEV 状态作奖励模型的输入；条件化与打分是两种不同的耦合方式，比较时须区分。
• 监督来自仿真器（评测器参与训练）：与 Drive-JEPA（改造 NAVSIM v2 规则仿真器做离线评分，PPR-2601.22032）、ReCogDrive（以 NAVSIM PDMS 为 RL 奖励，PPR-2506.08052）同属“把评测器接入训练信号”的做法；跨来源复现时该类依赖会直接影响可复现性，值得在 P5 汇总。
• 锚点路线的延续：轨迹锚由 K-Means 聚类生成（沿用 VADv2/Hydra-MDP 式做法），故本卡位于“静态锚点/词表”一侧，与反对固定词表的路线（ResAD，PPR-2510.08562）立场不同。
• 评测域：NAVSIM（非反应式）与 CARLA 闭环 Bench2Drive 并列。

7. Traceability

Review Log

• 2026-09-14 骨架起草（Tier-1 展开批次，第 48 篇）。G1 忠实度审核待人工签发（DA7）。G1 未过，P3 不得开始。