FRM-2504.19580 Formalization

0. Overview

ARTEMIS（PPR-2504.19580，Ni 等 2025，RA-L）处理端到端规划的表达能力与场景多样性。论文的诊断：模块化方法有误差传播；既有端到端模型多为静态一次性推断，不足以捕捉环境动态变化；单一网络架构在处理多样驾驶场景时存在表示局限。ARTEMIS 把规划形式化为条件序列生成 \(p(Y\mid S)=\prod_t p(y_t\mid y_{<t},S)\)，逐点自回归生成轨迹，并在每次生成中动态路由场景相关查询到专门专家网络（MoE，含共享与私有专家）。路由决策来自场景特征本身而非驾驶命令——论文在 navtrain 上观察到命令分布显著不均衡（左转 >20000、右转 <10000、直行 >50000）且少数样本的命令与专家轨迹不一致，故仅凭命令选专家会让部分专家训练不足并丢失策略多样性。为提升 MoE 训练效率，论文提出轻量批量重分配策略。以 ResNet-34 为骨干，NAVSIM 上 87.0 PDMS / 83.1 EPDMS。

本重建覆盖 Abstract 与 §2（Method：预置、模型架构、训练损失），版本锚定 arXiv:2504.19580v2。

1. Definitions

入库概念（→ CPT）：

• PDMS → CPT-017：NAVSIM v1 口径；EPDMS 见 BMK-006。

论文内定义（未入库概念，标 CANDIDATE，不新建 CPT）：

• 条件序列生成形式化：输入历史传感序列 \(S=(s_1,\dots,s_T)\)，生成未来轨迹 \(Y=(y_1,\dots,y_H)\)，\(y_h\in\mathbb R^d\)，目标 \(p(Y\mid S)=\prod_{t=1}^H p(y_t\mid y_{<t},S)\)；\(z=\phi(S)\) 为特征提取，\(Y=\psi(z)\) 为生成。
• MoE 形式：\(y=\sum_{i\in E_\text{shared}}f_i(x)+\sum_{i\in E_\text{private}}g_i(x)\cdot f_i(x)\)，共享专家捕捉通用知识、私有专家承担域特异策略，\(g_i\in[0,1]\) 为门控权重（沿用 DeepSeekMoE 式设计）。
• 感知模块：沿用 Transfuser 设计，点云 \(D_l\in\mathbb R^{256\times 256}\) 与前视图图像 \(D_I\in\mathbb R^{1024\times256\times3}\) 经并行骨干（ResNet-34 等）提取 \(F_\text{cam},F_\text{lidar}\)，经 Transformer 多阶段融合得 BEV 特征 \(F_\text{bev}\)。
• ego 状态编码：只编码当前 ego 状态 \(s_0\in\mathbb R^8\)（控制命令、2D 速度、加速度）为 \(Q_s\)，刻意不用历史 ego 轨迹以避免因果混淆。
• 位置与时间嵌入：规划时间步 \(t\) 的时间嵌入 \(TE_t\) 与位置嵌入 \(PE_t\)；位置嵌入只在首个自回归步加到初始化序列上，避免反复叠加累积噪声。
• 自回归生成：对当前规划序列加位置嵌入初始化 → 带 padding 掩码 \(M_t\) 的 Transformer 编码器更新规划查询 \(Q_{1:t}\)（当前步只与历史查询交互）→ 拼接 \(C_t=\text{Concat}(TE_t,Q_s,Q_{(1:t)})\) → 经 MoEBlock 与 \(F_\text{bev}\) 交互得 \(Q_{t+1}=\text{MoEBlock}(F_\text{bev},C_t)\)。
• 概率输出：MLP 预测每个 waypoint 的位置与朝向分布，采样 \(y_t\sim\mathcal N(\mu_t,\sigma_t^2)\) 得该步轨迹点，再更新查询序列；逐点拼接得初始轨迹。
• 批量重分配 MoE（Batch Reallocation）：路由查询去掉历史规划查询固定维度 \(Q_r=\text{Concat}(TE_t,Q_s,Q_t)\)，路由网络 \(\mathcal R\) 两个 MLP 给出专家分配分 \(g_t\)；按激活的专家把样本分组批量处理（共享 + 私有专家融合 \(F_\text{bev}\)），再逆重分配恢复顺序，取出下一步查询。
• 精化：\(Y=\Psi_\text{refine}(\hat y_i,Q_\text{agent},Q_\text{ego})\)。
• 训练：分阶段——先训感知（BEV 语义图 CE、智能体分类与定位，Hungarian 匹配），再端到端 \(\mathcal L_\text{planning}=\lambda_\text{traj}\mathcal L_\text{traj}+ \lambda_\text{NLL}\mathcal L_\text{NLL}+\mathcal L_\text{perception}\)（\(L_1\) 规划损失 + 负对数似然）；刻意不用 MoE 常用的专家平衡损失。

2. Axioms（作者公理：论文接受而未证明的前提）

• AX-1（静态单次推断不足）：模块化方法有误差传播，而既有端到端模型多为静态一次性推断，不足以捕捉环境动态变化。
• AX-2（顺序生成与表示局限）：逐点顺序生成能保留关键时序依赖；单一网络架构处理多样驾驶场景存在固有表示局限。
• AX-3（命令路由不可靠）：navtrain 上驾驶命令分布显著不均衡，且少数样本命令与专家轨迹不一致——仅凭命令选专家会导致部分专家训练不足、丢失策略多样性。
• AX-4（历史 ego 轨迹致因果混淆）：从历史 ego 轨迹直接学规划会造成因果混淆，故只编码当前 ego 状态。
• AX-5（专家平衡损失有害于本设定）：在特征分布不均衡的数据上施加 MoE 专家平衡损失会阻碍各专家获取专门策略知识。

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 主表（87.0 PDMS / 83.1 EPDMS，ResNet-34）、路由方式对比（命令路由 vs 内生路由）、专家数消融、批量重分配的加速对比。均为论文自报，无库内 EVI/VER。

5. Argument（论证结构）

• AR-1（由 AX-1 + AX-2 推出自回归 + MoE）：以逐点自回归保留时序依赖，以 MoE 的专门专家克服单一网络的表示局限。
• AR-2（由 AX-3 推出内生路由）：路由依据场景特征而非驾驶命令，避免命令不均衡与命令—轨迹不一致带来的专家欠训练。
• AR-3（由 AX-4 推出 ego 编码方案）：仅编码当前 ego 状态（8 维）为 \(Q_s\)。
• AR-4（由 AX-5 推出训练取舍）：不使用专家平衡损失。
• AR-5（概率输出与精化）：每个 waypoint 从预测高斯采样引入多模不确定性，再经精化模块融合智能体与 ego 查询得最终轨迹。
• AR-6（工程加速）：批量重分配把激活同一专家的样本聚组处理，提升 MoE 训练速度。
• AR-7（经验支撑）：NAVSIM 结果与消融支撑 AR-1..AR-6（属 Evidence，非证明）。

6. Commentary

作者评论

• 结论段：自回归 + MoE 缓解了引导信息模糊时的轨迹质量退化，并以批量重分配改善训练速度。

本库评论

• 第三种生成范式：ARTEMIS 的逐点自回归既非词表打分（VADv2/ Hydra-MDP 系，见 FRM-2402.13243、FRM-2406.06978），也非锚点 + 扩散（DiffusionDrive 系），而是序列生成；库内比较时宜作为独立轴，不可与“词表采样”或“扩散生成”混归。
• “不用专家平衡损失”是显式反常规选择：论文给出理由（不均衡分布下会阻碍专门化），与 MoE 通用实践相反；引用该设计时须带其前提。
• 内生路由的可审计性代价：路由不依赖命令提高了覆盖面，但也使“为何由该专家处理”缺少显式标签依据，可解释性弱于命令路由。
• 因果混淆处置：只用当前 ego 状态，与 PPR-2312.03031 的诊断同一问题域（ego 状态泄漏），处理方式不同（其做法是保留历史但加约束）。
• 概率采样带来的评测波动：从高斯采样生成 waypoint，推理具随机性；与确定性方法的分数比较需注意该差异。
• 评测域：NAVSIM（非反应式，含 EPDMS 扩展口径）。

7. Traceability

Review Log

• 2026-09-14 骨架起草（Tier-1 展开批次，第 11 篇）。G1 忠实度审核待人工签发（DA7）。G1 未过，P3 不得开始。