FRM-2605.19771 Formalization

0. Overview

BeyondDrive（PPR-2605.19771，2026）处理模仿学习的目标失配。论文的诊断：既有的端到端驾驶模仿学习方法主要从成功演示中学习、仅最小化与专家轨迹的几何偏差，这隐含假设“空间接近即行为安全”，从而造成严重的目标失配——模仿损失几乎相同的轨迹可能有截然不同的安全结果，一条仍可恢复、另一条导致碰撞。论文把该性质称为安全不对称（safety asymmetry）。此外论文指出：近期转向多模生成 + 轨迹打分的方法虽能在推理时识别不安全或低质轨迹，但这些被识别出的失败在打分后即被丢弃、从未显式参与策略优化——即现有方法能识别差轨迹，却不能从中学习。为此提出 BeyondDrive（失败感知的模仿学习框架），同时从成功与失败行为中学习，含三项设计：①基于流匹配的负轨迹生成器，合成安全关键但贴近专家的轨迹，显式建模安全不对称；②多样性感知采样策略，缓解模式坍缩、提高负轨迹生成中失败模式的覆盖；③排斥距离损失，在吸引预测靠近专家演示的同时将其推离硬负样本，从而在轨迹空间建立可判别的安全边界。该框架应用于单模基线 Latent TransFuser 时在 NAVSIMv1 取得 89.7 PDMS，并报告可跨架构（含多模规划器）泛化，且在 HUGSIM 基准上展现良好零样本迁移。

本重建覆盖 Abstract、§1（Introduction）与 §4（Method），版本锚定 arXiv:2605.19771v1。

1. Definitions

入库概念（→ CPT）：

• PDMS → CPT-017（v1 口径）；NAVSIM → BMK-006；HUGSIM → PPR-2412.01718（论文用其做零样本迁移评测）。

论文内定义（未入库概念，标 CANDIDATE，不新建 CPT）：

• 安全不对称（safety asymmetry）：模仿误差几乎相同的轨迹可导致截然不同的安全结果——向专家轨迹左偏或右偏可产生相近的几何损失，但一条可恢复、另一条致碰撞。
• 硬负样本（hard negatives）：须同时满足两项相互冲突的性质——既保持与专家演示空间接近以形成有意义的对照，又包含显式的安全关键行为以提供有信息量的监督；构造高质量硬负样本是核心难点。
• 负轨迹生成器（流匹配）：以流匹配（flow matching）方式合成安全关键但贴近专家的轨迹，使失败样本的分布受控（论文另用 CPT-003（classifier-free guidance）相关技术，见 §3 Preliminary）。
• 多样性感知采样：在负轨迹生成中缓解模式坍缩、提高不同失败模式的覆盖。
• 排斥距离损失（Repulsive Distance Loss）：训练目标同时包含“吸引”与“排斥”——把预测拉向专家演示、推离硬负样本，从而在轨迹空间形成可判别的安全边界。该设计与对比学习的“拉正推负”原理同源。

2. Axioms（作者公理：论文接受而未证明的前提）

• AX-1（空间接近不等于安全）：把与专家轨迹的几何接近当作行为安全的代理是错的——存在模仿误差相近但安全性迥异的轨迹。
• AX-2（失败被丢弃导致无法学习）：多模生成 + 打分的方法在推理时能识别不安全轨迹，但被识别出的失败在打分后即被丢弃，从不参与策略优化，故模型无法从失败中学习。
• AX-3（有效负样本的双重约束）：有用的负轨迹须既贴近专家（形成对照）又含安全关键行为（提供监督），二者冲突，故需专门生成。
• AX-4（对比式训练可建立安全边界）：同时吸引正样本、排斥负样本的训练目标能在轨迹空间中建立可判别的安全边界。

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（如“安全不对称”作为设计前提），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：应用于 Latent TransFuser 时 NAVSIMv1 的 89.7 PDMS、跨架构（含多模规划器）的泛化实验、HUGSIM 上的零样本迁移、三项设计（生成器/采样/损失）的消融。均为论文自报，无库内 EVI/VER。

5. Argument（论证结构）

• AR-1（由 AX-1 提出问题）：以“安全不对称”说明最小化几何偏差的目标与安全目标之间存在结构性失配。
• AR-2（由 AX-2 推出动机）：既有方法丢弃已识别的失败，故须把失败显式纳入训练。
• AR-3（由 AX-3 推出生成器）：以流匹配生成同时满足“贴近专家”与“安全关键”的硬负样本，并用多样性感知采样保证失败模式覆盖。
• AR-4（由 AX-4 推出损失设计）：以排斥距离损失实现“拉正推负”，在轨迹空间建立安全边界。
• AR-5（经验支撑）：NAVSIMv1 结果、跨架构实验与 HUGSIM 零样本迁移支撑 AR-1..AR-4（属 Evidence，非证明）。

6. Commentary

作者评论

• 摘要称该方法在 NAVSIMv1 上超过此前最优，并可跨架构泛化、在 HUGSIM 上具强零样本迁移性。

本库评论

• “安全不对称”是可直接复用的诊断概念（承重）：该概念与 PPR-2312.03031（开环指标不足以判别规划质量）、NeuroNCAP（PPR-2404.07762，闭环安全关键场景下的失效）同属库内“模仿目标 ≠ 安全目标”的证据链，但其切入点是损失函数层面的目标失配，可作为该链条上最基础的一环引用。
• 与打分/选择类方法的因果链差异：本卡明确指出 VADv2/DiffusionDrive/ WoTE 一类方法的失败样本“被打分后丢弃、不参与优化”；这为库内这些条目提供了一个统一的功能边界说明——它们改善的是选择，不是策略学习。
• 硬负样本的构造承担主要风险：负样本既要近专家又要安全关键，其二者冲突使其分布是人工施加的先验；若生成器偏差，安全边界就会刻在错误的位置，论文未给出该风险的系统性压力测试（P3/P4 应回源核对消融）。
• 评测跨三类设施：NAVSIMv1（非反应式，CPT-017 口径）、跨架构对比、HUGSIM（3DGS 闭环，PPR-2412.01718）；引用分数须注明来源。
• 与零样本迁移主张的关系：HUGSIM 上的零样本结果为其泛化性主张的主要证据，跨仿真器迁移的结论须带上被迁移到的环境。

7. Traceability

Review Log

• 2026-09-14 骨架起草（Tier-1 展开批次，第 49 篇）。G1 忠实度审核待人工签发（DA7）。G1 未过，P3 不得开始。