FRM-2608.19085 Formalization

0. Overview

DA-WAM（PPR-2608.19085，Zhong 等 2026）处理的是世界模型的预测如何进入规划决策这一问题。作者把问题表述为：世界模型对规划的用处不取决于它能否预测未来，而取决于预测是否决策信息化（decision-informative）——每条候选轨迹的预测后果是否直接决定该轨迹的评分。论文把已有路线归为两类并判定二者都未保证这一耦合：一类用时序预测增强场景表征或轨迹学习（表示学习与规划器优化阶段分离），另一类把预测未来更直接地带入规划（预测状态被共享、池化或与单个候选弱关联）。DA-WAM 的回应是把三件事统一到同一决策目标下：预测表征学习在规划器优化全程保持、每条候选生成各自的动作条件未来潜、未来潜条件的打分器对候选与其自身潜状态联合评分。

本重建覆盖论文 Abstract、§1（Introduction）、§3（Methodology）、§4（Experiments，含消融）与 §5（Conclusion），版本锚定 arXiv:2608.19085v2。阅读顺序：§1 给出术语到 CPT 的绑定与论文内定义；§2 是作者接受而未证明的前提（AX-1..5）；§3 与 §4 在骨架阶段为占位（P3 投影后回填 CLM/EVI），本论文为实证型、Theorems 层预期薄；§5 说明论证结构；§6 分列作者与本库评论；§7 是节/表/图到各层元素的追溯表；末尾 Review Log 记录 G1 状态。

1. Definitions

入库概念（→ CPT）：

• 平均位移误差（average displacement error, ADE）→ CPT-014：论文用它做专家匹配的度量。定义 \(i^{\mathrm{exp}}=\arg\min_i \operatorname{ADE}(\tau_i,\tau^{\mathrm{exp}})\)（式 5）。
• NAVSIM 规划评分（PDMS）→ CPT-017：论文的评估口径与因子监督的来源；因子化打分头的目标向量 \(\mathbf{q}_i=[q_i^{\mathrm{NC}},q_i^{\mathrm{DAC}},q_i^{\mathrm{EP}},q_i^{\mathrm{TTC}},q_i^{\mathrm{Comfort}}]\) 即该评分的子项。

论文内定义（未入库概念，标 CANDIDATE，不新建 CPT）：

• 候选轨迹集（candidate trajectory set） \(\mathcal{T}=\{\tau_i\}_{i=1}^{N}\)：由候选生成模块产出的 \(N\) 条未来 ego 轨迹（实验设定 \(N=32\)，每条由八个未来 ego 位姿表示）。
• 动作表示（action representation） \(a_i=E_\tau(\tau_i)\)：轨迹编码器把候选映射成的表示。
• 场景潜（scene latent） \(Z_t=E_\theta(X_t)\)：在线编码器把当前观测 \(X_t\) 映射为 \(M\) 个 \(D\) 维 token。
• 动作条件未来潜（action-conditioned future latent）\(\widehat{Z}_i=P_\phi(Q=a_i,K=Z_t,V=Z_t)\)：以候选动作为 query、场景 token 为 key/value 的注意力输出；共享 \(P_\phi\) 的参数，使候选间差异只来自动作 query。
• 未来潜条件的打分器（future-latent-conditioned scorer）\(S_\psi\)：对三元组 \((Z_t,a_i,\widehat{Z}_i)\) 做交叉注意力得到轨迹表示 \(h_i\)，再经因子化头输出 \(\widehat{\mathbf{q}}_i\) 与标量效用 \(\widehat{s}_i=S_\psi^{\mathrm{score}}(h_i,\widehat{\mathbf{q}}_i)\)；最终轨迹 \(\tau^\star=\arg\max_i\widehat{s}_i\)。
• 决策信息化（decision-informative）：论文的核心判别词，指预测的后果直接参与该候选的评分，而非仅作辅助训练信号或被跨候选共享。
• 安全关键难负例（safety-critical hard negative）：来自离线轨迹库、同时满足几何接近专家 \(d_{\mathrm{traj}}(\tau_j^-,\tau^{\mathrm{exp}})<\epsilon_{\mathrm{geo}}\) 与安全显著劣化 \(\Delta_{\mathrm{safety}}(\tau_j^-,\tau^{\mathrm{exp}})>\epsilon_{\mathrm{safety}}\) 的轨迹（式 7）。
• 动量目标编码器（EMA target encoder） \(E_{\bar\theta}\)：训练期对观测未来帧做 stop-gradient 编码，参数按 \(\bar\theta\leftarrow\mu\bar\theta+(1-\mu)\theta\) 更新，只用于训练。
• 低秩适配（LoRA）：注入在线编码器选定 transformer 层的可训练低秩模块；基座冻结。
• 联合嵌入预测架构（V-JEPA / V-JEPA 2.1）：在线与目标编码器的预训练初始化来源（PPR-2506.09985 / PPR-2603.14482）。

2. Axioms（作者公理：论文接受而未证明的前提）

• AX-1（决策耦合界定规划价值）：世界模型的规划价值受其预测影响候选级评分的直接程度约束；预测本身不构成价值。（论文 §1 的核心判据，未证明，作为前提接受。）
• AX-2（离线日志的反事实限制）：离线数据对每个场景只记录一条专家轨迹 \(\tau^{\mathrm{exp}}\) 及其执行未来 \(X_{t+\Delta}\)，未执行动作的未来不可观测。（§3.3 Expert Matching 与 §3.5 训练目标的构造依据。）
• AX-3（几何接近 \(\neq\) 行为安全）：与专家几何接近的轨迹可以与专家在安全结果上显著不同。（§3.4 counterfactual safety supervision 的动机；论文用难负例构造承载。）
• AX-4（规则式规划指标可作监督目标）：NAVSIM 的规划子分数（NC/DAC/EP/TTC/Comfort，CPT-017 的子项）可直接作为因子与效用的训练目标，无需另建偏好模型。（§3.5 使用外部规划指标提供 \(\mathbf{q}_i\) 与 \(s_i\)。）
• AX-5（预测表征须与规划任务共同演化）：冻结的表征无法适配轨迹评分的具体需求，因此预测监督应贯穿规划器优化，而非预训练后固定。（§1 与 §3.2 的论证前提。）

3. Theorems（作者可推导命题；本层薄）

骨架阶段占位。本论文为实证型：其可推导成分主要是由定义直接得到的构造等价（如共享预测器参数使候选间差异只来自动作 query），不足以构成独立命题层。P3 投影时若从 Argument 中识别出值得保留的定性命题，再实体化为 CLM 并在此回填 ID（D16：命题层只引用不复述）。

4. Evidence（实证 → CLM/EVI 映射）

骨架阶段占位（待 P3）。本节在投影后将列出 \(EV\)-n → CLM/EVI ID + 表/图 + 论证角色。当前可用的观察锚点见 §7 Traceability（表 3、表 4、表 5、表 6 与图 4/图 5），均为论文自报、尚无库内 EVI 与 VER。

5. Argument（论证结构）

• AR-1（两类路线的缺口）：既有方法分两类——用时序预测增强表征/轨迹学习（DriveWorld、LAW、Drive-JEPA、Latent-WAM），或把预测未来带进规划（Drive-WM、WoTE、World4Drive、DriveFuture）；前者阶段分离、表征不能随打分需求调整，后者预测状态被共享/池化/弱关联，打分器因此可能依赖几何线索。（Intro 的文献论证。）
• AR-2（由 AX-1 推出设计要件）：要使预测有价值，必须让每条候选评估其自身预测未来；这要求候选特定的未来潜与以该潜为条件的打分器（§1 的设计推理，落到 §3.3 与 §3.4）。
• AR-3（由 AX-2 推出监督限制）：观测未来只属于专家匹配候选，故密集潜回归损失只施加于 \(i^{\mathrm{exp}}\)；其余反事实潜经下游打分损失间接优化，避免把观测结果误配给未执行动作。（§3.3。）
• AR-4（由 AX-3 推出难负例）：随机候选集几何差异大，打分器可依赖曲率/速度等粗线索；加入几何接近而安全劣化的难负例提供决策边界附近的反事实监督，并对相关偏好对过采样或加大权重。（§3.4 与 §3.5。）
• AR-5（由 AX-1 + AX-5 推出表征策略）：在线编码器以 LoRA 适配、目标编码器以 EMA 更新，使预测监督贯穿规划器优化且回归目标稳定（避免表征坍塌）。（§3.2。）
• AR-6（受控匹配实验作为论据）：作者用同一骨干、同一初始化、同一候选生成器与调度，比较四种预测设定（无未来预测／共享全局未来／当前潜／动作条件未来）并单独开关难负例，主张动作条件未来优于其余三种对照、加难负例再提升。（§4.2 表 4；这是 AR-2/AR-4 的经验支撑，其地位属 Evidence 而非证明。）

6. Commentary

作者评论

• 结论段：仅预测合理的未来不足以支持有效规划，预测还应与所评动作对应并参与最终决策；DA-WAM 通过加强这一联系使未来建模更贴近规划。
• 作者自陈的核心诊断：共享或池化的未来会稀释动作特定后果，打分器因此可能依赖几何而非场景条件化的未来内容。
• 作者把“预测表征须与规划任务共同演化”列为两个相互关联的障碍之一（另一是打分器须对每候选评估各自的未来潜）。

本库评论

• 数值口径未复核：93.7 PDMS（NAVSIM v1）与 87.7 EPDMS（v2）为论文自报；库内对照表（本卡引用 DA-WAM 自身表 2）与 DiffusionDriveV2 自报表在 EPDMS 上不一致（85.5 vs 87.5），跨表数值比较需先核对子集与骨干，不可直接引用。
• 增益幅度：匹配消融的核心对照差在 0.x 点量级（无未来预测 93.31 → 动作条件未来 93.46 → 加难负例 93.68）；论文以受控设置支撑归因，但幅度小，且未报告多种子方差。
• 安全-进度权衡：加难负例后 NC/DAC/TTC/Comfort 升而 EP 由 90.47 降到 89.97，论文未展开该权衡的机制。
• 饱和：候选数消融显示 32 与 64 的 PDMS 相同（93.68），论文据此选 32，未讨论是否触及生成器上限。
• 评测域：仅 NAVSIM v1/v2（非反应式）口径；论文未做 nuScenes 实验与反应式闭环（闭环读法见 DIS-003；源文件中 Bench2Drive 与历史诊断小节被注释掉，不作为已发表主张引用）。
• 可复现性：代码链接给出（LeapWM/da-wam），但训练配置（8 GPU、20 epoch）与超参 \(\lambda\)、\(\epsilon_{\mathrm{geo}}\)、\(\epsilon_{\mathrm{safety}}\) 的具体取值未在本骨架核对（P3 需回源）。

7. Traceability

Review Log

• 2026-09-14 骨架起草（Tier-1 升级批次，NAVSIM 线第 1 篇）。G1 忠实度审核待人工签发（DA7）：检查 Definitions 绑定忠于作者术语、Axioms 是否为作者真实接受的前提（不多不少）、Argument 是否复现作者论证、有无虚构 TH/EV、Commentary 两节是否分离。G1 未过，P3 投影不得开始。