FRM-2605.09701 Formalization

0. Overview

DriveFuture（PPR-2605.09701，2026）处理未来信息如何进入规划。论文的诊断：既有的驾驶潜世界模型虽为未来感知的驾驶智能开辟了路径，但通常把未来潜状态当作预测目标或辅助信号，而非直接条件化轨迹规划——这会使当前与未来特征在潜空间中纠缠（直接特征注入亦会模糊当前观测与未来预测的界限），限制规划性能。DriveFuture 的立场是：潜世界模型的关键不仅在于模拟未来状态，更在于以未来状态条件化当前决策。框架含三个核心模块：潜动态预测器、未来对齐适配器与规划解码器。训练时先由当前潜状态与 ego 动作预测未来潜世界状态，再经交叉注意力对该预测与真值未来潜状态做精化对接；得到的未来感知潜状态作为显式条件交给基于扩散的轨迹规划器。推理时以预测的未来潜状态（而非真值）为条件。

本重建覆盖 Abstract 与 §3（Method：潜动态预测器、未来对齐适配器、规划解码器、训练、推理），版本锚定 arXiv:2605.09701v1。

1. Definitions

入库概念（→ CPT）：

• PDMS → CPT-017（v1）与 EPDMS（v2，含 navhard 口径）。
• NAVSIM → BMK-006。

论文内定义（未入库概念，标 CANDIDATE，不新建 CPT）：

• 共享潜空间与场景潜表示：编码器 \(\phi_\text{enc}\) 把多视图观测 \(\mathbf I_t\) 与 ego 状态 \(\mathbf s_t\) 映为场景潜 \(\mathbf Z_t\)（含 \(N\) 个 BEV token 与一个 ego 状态 token）。
• 轨迹条件化的潜预测：轨迹编码器 \(\phi_\tau\) 以归一化差分表示 \((\Delta x,\Delta y,\sin\theta,\cos\theta)\)、线性投影与时序位置嵌入把绝对轨迹 \(\boldsymbol\tau\) 编为 \(\mathbf E_\tau\)；可学未来查询库 \(\mathbf Q_f\in\mathbb R^{K\times d}\) 经 transformer 解码器层栈 \(f_\psi\) 对 \([\mathbf Z_t\Vert\mathbf E_\tau]\) 做注意力，得 \(\hat{\mathbf Z}_{t+T}=f_\psi(\mathbf Q_f;[\mathbf Z_t\Vert\mathbf E_\tau])\)。该量描述“假设 ego 执行 \(\boldsymbol\tau\)”时 \(T\) 步后的场景潜，是后续适配器与规划解码器的作用基底。
• 条件源随机化（conditioning source randomisation）：\(\mathbf E_\tau\) 在训练时以概率 \(\{p_\text{gt},p_\text{kin},p_\varnothing\}\) 取三种来源——真值轨迹、运动学代理（由 ego 速度与加速度做等加速度外推：\(x_k=v_xt_k+\frac12a_xt_k^2\)、\(y_k=v_yt_k+\frac12a_yt_k^2\)、\(\theta_k=\text{atan2}(v_y+a_yt_k,v_x+a_xt_k)\)，\(t_k=k\Delta t\)）、可学空 token 序列 \(\mathbf E^\varnothing\)。该设计同时满足两项需求：推理时无真值轨迹可用，以及分类器无关引导（CFG）要求输出在轨迹输入缺失或粗糙时仍被校准。
• 未来对齐适配器（Future Alignment Adapter）：训练时把未来时刻观测 \(\mathbf I_{t+T}\) 经同一编码器 \(\phi_\text{enc}\) 编码并停梯度 \(\mathbf Z_{t+T}=\text{sg}(\phi_\text{enc}(\mathbf I_{t+T}))\)（防未来支路成为捷径），作为真值未来潜状态的经验代理；适配器是单层多头交叉注意力，以 \(\hat{\mathbf Z}_{t+T}\) 为 query、\(\mathbf Z_{t+T}\) 为 key/value，得 \(\tilde{\mathbf Z}_{t+T}=\text{MHA}(\text{LN}( \hat{\mathbf Z}_{t+T}),\mathbf Z_{t+T},\mathbf Z_{t+T})\)。其动机是轨迹扩散损失只能经规划解码器间接、薄弱地回传到潜动态预测器，早期会使 \(\hat{\mathbf Z}_{t+T}\) 漂离真实未来语义；该接地信号轻量，且避免稠密重建目标（后者会把潜表示绑到与规划无关的外观细节）。
• 规划解码器与推理：扩散轨迹规划器以未来感知潜状态为显式条件；推理期以预测的未来潜（而非真值）为条件，并使用基于 Tweedie 与基于运动学的两种引导项。

2. Axioms（作者公理：论文接受而未证明的前提）

• AX-1（条件化缺失导致纠缠）：把未来潜状态当作预测目标或辅助信号、而非规划的直接条件，会使当前与未来特征在潜空间中纠缠。
• AX-2（条件化优先于模拟）：潜世界建模的关键不只在模拟未来状态，更在于以未来状态条件化当前决策。
• AX-3（注入会模糊界限）：对规划直接注入未来特征会模糊当前观测与未来预测的区别。
• AX-4（避免稠密重建）：锚定未来潜表示应避免稠密重建目标，否则潜表示会被绑到与规划无关的外观细节上。

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-v2 navhard 55.5 EPDMS、v2 navtest 89.9 EPDMS、v1 navtest 90.7 PDMS；条件源随机化、未来对齐适配器与引导项的消融；作者称截至 2026 年 4 月列 navhard 榜首。均为论文自报，无库内 EVI/VER。

5. Argument（论证结构）

• AR-1（由 AX-1 + AX-2 推出条件化设计）：不以未来潜为辅助目标，而以“未来感知潜”显式条件化规划解码器。
• AR-2（轨迹条件化预测）：以查询库对未来查询、以轨迹 token 为条件预测未来场景潜，使预测可被动作假设控制。
• AR-3（条件源随机化）：以真值/运动学代理/空 token 三源混合训练，支撑推理期无真值轨迹与 CFG 的校准需求。
• AR-4（由 AX-4 推出轻量接地）：用单层交叉注意力 + 停梯度目标做接地，避免稠密重建。
• AR-5（由 AX-3 推出条件而非注入）：把未来潜作为条件输入交给扩散规划器，而非直接与当前特征相加注入。
• AR-6（经验支撑）：三口径结果与消融支撑 AR-1..AR-5（属 Evidence，非证明）。

6. Commentary

作者评论

• 摘要主张：关键不在模拟未来状态，而在于以未来状态条件化当前决策；并称在 NAVSIM v2 的 navhard 与 NAVSIM v1 的 navtest 上取得 SOTA。

本库评论

• 预测目标谱系的第五个点（承重）：库内世界模型条目按预测目标分轴——LAW（PPR-2406.08481）预测未来视觉潜、Drive-JEPA（PPR-2601.22032）预测未来视频潜、Auto-JEPA（PPR-2607.29031）预测未来轨迹潜、OccWorld 预测占据、本卡预测条件化的未来场景潜（并用作规划条件）。五者都称“世界模型”，引用时必须带预测目标，不可互相替代比较。
• 排行榜声明的时效性：摘要称“截至 2026 年 4 月列 navhard 榜首”，属带时点的自报声明；按库内纪律，排行榜类断言须带日期且不可作为长期事实陈述。
• 条件源随机化的双重用途：既解决推理期无真值轨迹（用运动学代理），又满足 CFG 对无条件下输出的要求——这是把生成模型技巧引入驾驶规划的具体实例，与 DiffusionDrive 的截断扩散策略补丁属同类“生成技巧用于规划”的做法。
• 停梯度未来支路的语义：以 \(\text{sg}(\phi_\text{enc}(\mathbf I_{t+T}))\) 作真值未来潜，意味着“潜空间中的未来”由编码器自身定义，而非外部标注；该自指设计的稳定性依赖编码器不漂移。
• 评测域：NAVSIM v1/v2（含 navhard 子集），非反应式。

7. Traceability

Review Log

• 2026-09-14 骨架起草（Tier-1 展开批次，第 27 篇）。G1 忠实度审核待人工签发（DA7）。G1 未过，P3 不得开始。