PPR-2506.08052
Paper
ReCogDrive: A Reinforced Cognitive Framework for End-to-End Autonomous Driving
| id | |
|---|---|
| updated | |
| type | paper |
| title | ReCogDrive: A Reinforced Cognitive Framework for End-to-End Autonomous Driving |
| authors | Yongkang Li, Kaixin Xiong, Xiangyu Guo, Fang Li, Sixu Yan, Gangwei Xu |
| venue | arXiv:2506.08052 |
| arxiv | 2506.08052 |
| tier | 1 |
| lifecycle | EXTRACTED |
| epistemic | n/a |
| ingested | 2026-09-10 |
| version | arXiv:2506.08052v2 |
| source-hash | sha256:c07faa34f9d8c0109b9d5f428a4d0a573f9064ac060b151a132254604a242809 |
| admitted-under | A2-direct-edge |
| admission-note | 被 DiffusionDriveV2（PPR-2512.07745）引用为 GRPO 进入端到端驾驶的代表（在其引文中与 DIVER 并列），并被 DA-WAM 列入 NAVSIM v1 对照。 |
定位
Li 等（2025）提出 ReCogDrive。问题设定是：已有研究尝试借视觉语言模型（VLM）的世界知识与认知能力处理端到端驾驶的长尾问题，但常把轨迹规划表述为语言建模任务——物理动作在语言空间输出，导致格式违规、动作不可行与推理慢。ReCogDrive 统一驾驶理解与规划：先以模仿人类驾驶认知顺序的分层数据流水线（生成、精化、质控三阶段）把驾驶认知注入 VLM，以解决语言-动作不匹配，再把 VLM 学得的驾驶先验注入扩散规划器，由后者高效生成连续、可行的轨迹。
与本库的关系
- 准入身份：A2-direct-edge（被 DiffusionDriveV2、DA-WAM 直接引用）。
- 谱系定位：VLM/RL 与扩散规划的结合线。与 DIVER（PPR-2507.04049）、DiffusionDriveV2（PPR-2512.07745）同属“用 RL/认知信号纠正模仿式扩散规划”一族；与 AutoVLA 等 VLA 直接输出动作的路线互为对照。评测锚定 BMK-006。
Provenance
- Tier-0 轻量 ingest（S2 元数据）：
version/source-hash占位（待补）。
关联（12）
- PPR-2506.13757 AutoVLA: A Vision-Language-Action Model for End-to-End Autonomous Driving with Adaptive Reasoning and Reinforcement Fine-Tuning
- PPR-2507.04049 DIVER: Reinforced Diffusion Breaks Imitation Bottlenecks in End-to-End Autonomous Driving
- PPR-2512.07745 DiffusionDriveV2: Reinforcement Learning-Constrained Truncated Diffusion Modeling in End-to-End Autonomous Driving
- BMK-006 NAVSIM non-reactive planning benchmark (v1 PDMS / v2 EPDMS two-stage)
- FRM-2409.00588 DPPO 五层重建（骨架）：核心对象是“用策略梯度微调扩散策略”的算法框架与最佳实践——把去噪过程视为多步 MDP 并嵌入环境 MDP，构成一个更大的“扩散策略 MDP”，使每步策略似然成为可解析求值的 Gaussian 似然，从而可直接套用任意策略梯度方法（并以 PPO 实例化）；论文报告 RL 微调与扩散参数化之间存在协同，带来结构化、on-manifold 的探索、稳定训练与策略鲁棒性。
- FRM-2502.13144 RAD 五层重建（骨架）：核心对象是以 3DGS 构建光真实数字副本、在其上做闭环强化学习的端到端驾驶框架——策略通过大规模试错探索状态空间、学习分布外场景；奖励由动态碰撞、静态碰撞、位置偏离与朝向偏离四项构成（任一触发即终止 episode，因事后 3DGS 渲染的传感数据含噪）；训练分感知预训练、规划预训练（IL 初始化以防 RL 冷启动不稳）与强化后训练（RL 引导安全、IL 作正则贴合人类）三阶段。
- FRM-2504.01941 WoTE 五层重建（骨架）：核心对象是把 BEV 世界模型用于在线轨迹评估——轨迹预测器（TransFuser 式多模态 BEV 编码 + K-Means 轨迹锚 + 精化）给出多条候选，BEV 世界模型据各候选预测未来 BEV 状态，奖励模型再用未来状态为每条轨迹打分、取最高者为最终输出；选择 BEV 级（而非图像级）世界模型是为了延迟更低，且可直接用现成 BEV 空间交通仿真器监督。
- FRM-2506.08052 ReCogDrive 五层重建（骨架）：核心对象是把 VLM 的驾驶认知先验与扩散规划器耦合、并以扩散版 GRPO 做安全后训练的三阶段框架——先用“生成/精炼/质控”三级流水线造出模仿人类认知顺序的驾驶 QA 数据训练 VLM，再把其认知 token 注入扩散规划器生成连续稳定轨迹，最后用 DiffGRPO 以 NAVSIM 仿真器的 PDMS 作奖励做强化；公理层含『把规划当语言建模会产出违格式/不可行动作且推理慢』与『多模专家演示下纯模仿会学出平均轨迹』。
- FRM-2506.13757 AutoVLA 五层重建（骨架）：核心对象是把推理与动作生成统一在单一自回归模型里的驾驶 VLA——把连续轨迹经 K-disk 聚类离散成 2048 个“物理可行”动作 token 直接并入语言词表，用监督微调赋予快思考（仅输出轨迹）与慢思考（CoT 增强）双模式，再以 GRPO 强化微调削掉直白场景中不必要的推理；公理层含『VLA 常见病是物理不可行动作、结构复杂与推理冗长』。
- FRM-2507.04049 DIVER 五层重建（骨架）：核心对象是以强化学习引导扩散生成多模轨迹的框架——策略感知扩散生成器（PADG）以地图元素与周围智能体为条件、由单一真值轨迹与轨迹锚引导生成“多个参考真值”以覆盖不同驾驶风格，再把扩散过程当作随机策略用 GRPO 目标的轨迹级多样性/安全奖励去引导，以破解模仿学习固有的模式坍缩；并针对 L2 类开环指标无法刻画多样性提出多样性度量。
- FRM-2601.05083 Driving on Registers 五层重建（骨架）：核心对象是极简纯 transformer 的端到端驾驶架构——以“相机感知的 register token”（每相机 R 个 register、得 N×R 个场景 token）把多相机特征压成紧凑场景表示、仅用 LoRA 微调预训练 ViT，再由两个轻量 transformer 解码器先生成候选轨迹、再模仿 oracle 打可解释子分数（安全/舒适/效率），从而支持推理期的行为条件驾驶。
- IDX-001 NAVSIM 规划线