PPR-2402.13243
Paper
VADv2: End-to-End Vectorized Autonomous Driving via Probabilistic Planning
| id | |
|---|---|
| updated | |
| type | paper |
| title | VADv2: End-to-End Vectorized Autonomous Driving via Probabilistic Planning |
| authors | Shaoyu Chen, Bo Jiang, Hao Gao, Bencheng Liao, Qing Xu, Qian Zhang |
| venue | arXiv:2402.13243 |
| arxiv | 2402.13243 |
| tier | 1 |
| lifecycle | EXTRACTED |
| epistemic | n/a |
| ingested | 2026-09-10 |
| version | arXiv:2402.13243v2 |
| source-hash | sha256:d6e55b85a53d2cc4c5b59cab137a3b8dcbfc47a006b94a7aa8a24252e438158c |
| admitted-under | A2-direct-edge |
| admission-note | 被 DiffusionDrive（PPR-2411.15139）作为“大固定词表采样”范式代表直接对照与批评，被 v2/CLOVER/GTRS 引用。 |
定位
Chen 等（2024）提出 VADv2。出发点是规划具有不确定性与非确定性，而既有学习式规划器以确定性方式直接回归一条动作，无法表达“同一场景下多条可行轨迹”。VADv2 改以概率场函数建模从动作空间到概率分布的映射：由于规划动作空间是高维连续时空空间，先把它离散为一个大规划词表（4096 条锚轨迹），再 token 化为规划 token；规划 token 与场景 token 交互后输出动作的概率分布，用大规模驾驶演示监督。推理时从分布中采样候选并按概率选优。论文报告在 CARLA Town05 闭环口径（闭环读法见 DIS-003）上取得领先。
与本库的关系
- 准入身份：A2-direct-edge（被 DiffusionDrive、DiffusionDriveV2、CLOVER、GTRS 等锚点直接引用/对照）。
- 谱系定位：大固定词表候选采样范式（VAD 系的概率规划续作）。DiffusionDrive（PPR-2411.15139）把 VADv2 作为“受锚数量与质量约束、且大词表推理开销高”的对照，转而用截断扩散覆盖动作空间；SparseDriveV2（PPR-2603.29163）则重新论证稠密静态词表已足够。与 UniAD（PPR-2212.10156）、VAD（PPR-2303.12077）同属端到端向量化规划谱系。
Provenance
- Tier-0 轻量 ingest（S2 元数据）：
version/source-hash占位（待补）。
关联（9）
- PPR-2212.10156 Planning-oriented Autonomous Driving
- PPR-2303.12077 VAD: Vectorized Scene Representation for Efficient Autonomous Driving
- PPR-2402.11502 GenAD: Generative End-to-End Autonomous Driving
- PPR-2411.15139 DiffusionDrive: Truncated Diffusion Model for End-to-End Autonomous Driving
- PPR-2603.29163 SparseDriveV2: Scoring is All You Need for End-to-End Autonomous Driving
- PPR-2605.15120 CLOVER: Closed-Loop Value Estimation and Ranking for End-to-End Autonomous Driving Planning
- FRM-2402.13243 VADv2 五层重建（骨架）：核心对象是把规划建成场景条件概率分布——先以最远点采样把连续动作空间离散成大规模规划词表（默认 4096 条，全部取自驾驶演示因而天然满足运动学约束），再用受 NeRF 启发的概率场函数（傅里叶位置编码 + transformer 解码器）预测每候选概率，以分布损失（KL→交叉熵）、冲突损失与场景 token 损失训练；公理层含『场景—动作无确定关系、解空间非凸时确定式回归有安全风险』与『概率对动作连续且对小扰动不敏感』。
- DIS-003 术语“闭环”在本库的两个 referent 路由：控制论意义的闭环解/最优策略（CPT-026）与自动驾驶基准的闭环评估口径（BMK-003、BMK-006）。
- IDX-001 NAVSIM 规划线