PPR-2404.07569
Paper
Can Vehicle Motion Planning Generalize to Realistic Long-tail Scenarios?（interPlan）
| id | |
|---|---|
| updated | |
| type | paper |
| title | Can Vehicle Motion Planning Generalize to Realistic Long-tail Scenarios?（interPlan） |
| alias | interPlan |
| authors | Marcel Hallgarten, Julian Zapata, Martin Stoll, Katrin Renz, Andreas Zell |
| venue | IROS 2024（arXiv:2404.07569） |
| arxiv | 2404.07569 |
| tier | 0 |
| lifecycle | EXTRACTED |
| epistemic | n/a |
| ingested | 2026-09-08 |
| version | arXiv:2404.07569（下载源 2026-09-08） |
| source-hash | sha256:1bf9c310b7e89d44472ba86523c9035faddc7f7acf44a7c255e7fcfa6756ecca |
| admitted-under | A2-direct-edge |
| admission-note | G2DP 引用本工作（interPlan，Hallgarten et al., IROS 2024）：nuPlan 训练模型零样本迁移的 long-tail 评测集。 |
定位
long-tail 泛化 benchmark（Hallgarten et al., IROS 2024）。本库地位：G2DP 的 interPlan 零样本迁移实验（CLM-026/EVI-026，Tables 2–3）的评测集定义来源。
事实锚点（TeX @ source-hash）
- 构造方式：以 nuPlan 场景为起点，增补额外 agent、障碍物或替代导航目标，生成 realistic long-tail 场景（如事故现场通过）——不是全新采集，而是 nuPlan 场景的程序化改写。
- 核心发现：常见场景 SOTA 的方法在长尾情形系统性失败——“常见分数高 ≠ 泛化”。
- G2DP 使用口径：nuPlan 训练模型零样本（不训练、不调参）迁移评测。
与本库各卡的关系
- 零样本协议 → FRM-2606.26017 AX-5；评测读数 → EVI-026/ CLM-026/CLM-027。
- 底座数据为 nuPlan → DAT-002。
Provenance 与 Review Log
- 原文缓存：
cache/sources/2404.07569/（TeX，2026-09-08）。 - 2026-09-08 初建（基准定义论文批次）。
关联（5）
- DAT-002 nuPlan v1.1 原生数据分发（nuscenes.org，20Hz .db）
- FRM-2606.26017 G2DP 五层重建：核心对象是 CPT-013 时空代价体（占据概率栅格 × 路线进度图融合）在推理期的可微引导；公理层为能量重加权目标分布、Top-K 车体聚合与末段注入等六个作者前提；论证主干是 Table 4 在同一 DiT 骨干下隔离『稠密网格 vs 稀疏实例』的引导模态消融（稀疏臂按 PPR-2501.15564 附录 C 实现、以 oracle 邻车供给）。
- CLM-026 nuPlan 训练的模型零样本迁移 interPlan：相对共享生成管线的 Diffusion Planner 大幅领先，增益集中于安全维度（碰撞避免、TTC），progress/speed-limit 类项持平或微降；优势依场景类型非全域均匀。
- CLM-027 零样本迁移真实无人机记录的密集城市交通（DeepScenario，NR）：安全与路线推进增益保持，碰撞避免与推进维度大幅超过 Diffusion Planner、推进维度反超规则基线 PDM-Closed；drivable area 与 driving direction 非最优。
- EVI-026 Tables 2–3：interPlan 零样本 G2DP† 62.55（+9.65），collision +10.15、TTC +10.75；progress/speed limit 略降。