PPR-2301.11902 Paper

定位

Chen 等（ICRA 2023）提出的 Tree Policy Planning（TPP）。问题设定：自动驾驶需要在规划自车运动时推理邻车的多模态行为。许多已有轨迹规划器寻找一条“在所有可能未来下同时表现良好”的单一轨迹，忽略双向交互、导致过度保守。策略规划（policy planning）——自车规划一个对环境多模态行为作出反应的策略——是更有希望的方向，但多数策略规划器无法扩展到真实自动驾驶应用的复杂度：或与当代深度学习预测模型不兼容，或不可解释，或无法生成高质量轨迹。TPP 的做法是把连续优化问题降为可处理的离散马尔可夫决策过程（MDP），通过构造两棵树结构：一棵 ego 轨迹树（自车轨迹选项）与一棵 scenario 树（多模态、以自车为条件的环境预测）；两棵树用动态规划求解，得到最优自车运动策略。论文在基于真实 nuScenes 数据的交互式仿真评估中验证，报告其可扩展到真实 AV 场景并显著优于非策略基线。

方法（机制要点）

• 双树结构 + 动态规划：ego 轨迹树 × scenario 树，把连续优化离散化成 MDP。
• ego-conditioned 预测：scenario 树由学习到的预测模型生成，且以自车行为为条件，从而建模双向交互。
• 多阶段计划：生成多阶段运动计划（策略），而非单条轨迹。

与 G2DP 的关系

G2DP（PPR-2606.26017）related work 把 TPP 与 HYPE 同列为“用占据网格但经离散树搜索精修、缺乏可微性”的一类。SYN-003 支 4 把 TPP 记为 G2DP 最直接竞争面的稠密但不可微反面：同样使用占据网格，但通过离散树搜索/精修使用、不进入生成模型的去噪循环；G2DP 的坐标差在于把稠密概率场做成可微能量、直接注入去噪。

承重关系

• 谱系锚点：引导模态谱系中“稠密网格 + 离散搜索”的实例；SYN-003 支 4 记其角色。
• provenance：v2 tarball sha256 af9c9836…0e7aba，缓存 cache/sources/2301.11902/。