FRM-2506.06659 Formalization

0. Overview

DriveSuprim（PPR-2506.06659，Yao 等 2025）处理选择式范式在数千候选中精确选优的困难。论文的诊断：回归式方法只模仿单条专家轨迹、不显式评估安全性；选择式方法虽能对多候选打分，但要在数千候选中精确挑出最优、并区分细微却安全关键的差异，仍受优化挑战——尤其在稀有困难场景中。DriveSuprim 用三项设计应对：粗到精选择（粗筛在整词表上按 Hydra-MDP 式打分取 top-\(k\)，精化 Transformer 解码器的每一层再对筛后候选输出细粒度分数），基于旋转的数据增广（对传感器输入施加 2D 水平视图变换以模拟 ego 三维旋转，用前视 + 左右扩展视图拼“伪全景”再按角度窗口裁剪，真值轨迹同步反向旋转以保持世界坐标不变），以及带软标签的自蒸馏（EMA 教师只吃原始数据、产生经阈值 \(\delta_m\) 裁剪的软标签，学生吃原始 + 增广数据）。以 ViT-L 为骨干，NAVSIM v1 93.5 PDMS、v2 87.1 EPDMS，Bench2Drive 83.02 DS / 60.00 SR。

本重建覆盖 Abstract 与 §3（Methods：预置、粗到精选择、旋转增广、自蒸馏）及 §4 主表结构，版本锚定 arXiv:2506.06659v3。

1. Definitions

入库概念（→ CPT）：

• PDMS → CPT-017：NAVSIM v1 口径；EPDMS 见 BMK-006 与教师扩展（PPR-2503.12820）。

论文内定义（未入库概念，标 CANDIDATE，不新建 CPT）：

• 选择式规划：预定义词表 \(\{\tau_i\}_{i=1}^N\)，学习打分器输出 \(\{s_i\}\)，推理取最高分轨迹。
• 粗筛（coarse filtering）：沿用 Hydra-MDP 策略——图像特征 \(\mathcal E_\text{img}=\text{Enc}_i(I)\)、轨迹特征 \(f_j=\text{Enc}_t(\tau_j)\)、经轨迹解码器得 \(g_j=\text{TransDec}(\mathcal E_\text{img},f_j)\)，各度量头输出 \(s_j^{(m)}=\sigma(\text{head}^{(m)}(g_j))\)；取 \(\mathcal I_{\text{top}k}=\text{argsort}_k(\{s_j\})\) 得 \(T_\text{filter}\) 与其特征 \(G_\text{filter}\)。
• 精化打分（fine-grained scoring）：\(\{h_{j,l}\}_{l=1}^{n_\text{ref}} =\text{RefineDec}(\mathcal E_\text{img},g_j)\)，逐层输出 \(s_{j,l}^{(m)}=\sigma(\text{head}^{(m)}(h_{j,l}))\)；最终按末层分数 \(s_{k,n_\text{ref}}^{(m)}\) 选轨迹。损失 \(L_\text{ori}=L_\text{coarse}+L_\text{refine}\)，其中 \(L_\text{coarse}=L_\text{imi}+\sum_{m,i}\text{BCE}(s_i^{(m)},y_i^{(m)})\)，\(L_\text{refine}\) 同构但只作用于 \(T_\text{filter}\) 且施加于每层输出。
• 旋转增广：对每场景从 \(U[-\Theta,\Theta]\) 采随机角 \(\theta\)（正为 ego 左转），把原视野相机与两个扩展视野相机（如 front、front-left、front-right）拼成伪全景，再按位移窗口裁剪输入图；合成场景的真值轨迹把每个位置绕初始位姿旋转 \(-\theta\)，保证世界坐标不变；增广损失 \(L_\text{aug}\) 与原损失同式。
• 软标签自蒸馏：教师与学生同架构，教师参数为学生参数的 EMA；学生吃原始与增广数据得 \(L_\text{ori}\)、\(L_\text{aug}\)，教师只吃原始数据产生 \(\hat y_i^{(m)}=y_i^{(m)}+\text{clip}(s_{i,\text{teacher}}^{(m)}- y_i^{(m)},-\delta_m,\delta_m)\)；\(L_\text{soft}=L_\text{imi-soft}+ \sum_{m,i}\text{BCE}(s_i^{(m)},\hat y_i^{(m)})\)，\(L=L_\text{ori}+L_\text{aug}+L_\text{soft}\)；推理用教师模型输出。

2. Axioms（作者公理：论文接受而未证明的前提）

• AX-1（选择式优于纯回归）：只模仿单条专家轨迹不显式评估安全性，打分式选择可显式建模候选质量。
• AX-2（精确选优的困难）：在数千候选中精确选出最优、并区分细微但安全关键的差异是选择式范式的主要难点，稀有困难场景尤甚。
• AX-3（数据不平衡可合成）：困难场景的稀缺可通过 ego 旋转等价的视图增广合成（且该变换对规划问题保持真值一致性）。
• AX-4（硬标签损害稳定性）：以硬决策边界拟合轨迹评估会损害训练稳定性，需软标签。
• AX-5（粗筛候选含 hard negatives）：粗筛后的候选集中 hard negative 占比高，须专门的精化阶段区分。

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 v1 主表（ResNet-34 / V2-99 / ViT-L 三档，93.5 PDMS 最高）、NAVSIM v2 EPDMS、Bench2Drive（83.02 DS / 60.00 SR）、粗到精 / 旋转增广 / 自蒸馏的消融。均为论文自报，无库内 EVI/VER。

5. Argument（论证结构）

• AR-1（由 AX-2 + AX-5 推出两段选择）：先在整词表粗筛出 top-\(k\) 候选，再用多层精化解码器逐层打分区分 hard negative，最后按末层分数选轨迹。
• AR-2（由 AX-3 推出旋转增广）：以伪全景拼接 + 角度窗口裁剪合成 ego 旋转后的场景，真值同步反向旋转保持世界坐标不变，从而增加困难场景与朝向多样性。
• AR-3（由 AX-4 推出自蒸馏）：EMA 教师产生裁剪软标签，学生同时看原始与增广数据，以 \(L_\text{ori}+L_\text{aug}+L_\text{soft}\) 稳定训练。
• AR-4（经验支撑）：NAVSIM v1/v2 与 Bench2Drive 结果支撑 AR-1..AR-3（属 Evidence，非证明）。

6. Commentary

作者评论

• 结论段：粗到精过滤、旋转增广与自蒸馏共同带来 SOTA 规划能力。

本库评论

• 与 GTRS 的机制重叠：GTRS（PPR-2506.06664）的精化模块同样使用 top-\(k\) 精化 + EMA 教师软标签与裁剪阈值 \(\delta_m\)，公式结构与本文一致；两文同期，引用时不宜把该机制归给单一方。
• 增广的等价性假设：旋转增广把“ego 朝向变化”当作可从视图裁剪合成、且世界坐标真值可反向旋转对齐的变换——该假设在纯前视输入下依赖伪全景拼接，其边界（遮挡、视野外目标）是潜在误差源。
• 推理用教师：EMA 教师既是软标签来源也是推理模型，属常见做法但意味着推理路径与训练学生不同。
• 分数口径：v1 PDMS 93.5 来自 ViT-L 骨干档，与 ResNet-34 档（89.9）不是同一条件；跨方法比较须对齐骨干。
• 评测域：NAVSIM（非反应式）与 Bench2Drive（闭环）并存，引用须注明基准。

7. Traceability

Review Log

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