VAD：面向高效自动驾驶的向量化场景表示

它要解决什么问题

一段式如果完全黑盒，就无法加约束也无法验收。能不能保留部分显式结构？

机制拆解

1. 场景不 raster 成图像，而是用 agent motion 和 map element 的向量化表示
2. 规划时保留自车与周围 agent、地图的显式交互关系
3. 加入向量化的规划约束，让输出不只是拟合轨迹，还要满足安全和地图约束

量产判断

读完应该能问

• 我们的一段式方案保留了哪些可评测的中间结构？

回到术语

• 一段式——感知、预测、规划在统一表征里联合优化，直接输出轨迹——上限更高，但难 debug、难闭环验证。
• 潜空间——模型内部的压缩工作台：信息比结构化标签丰富，但人读不懂，所以出错难归因。
• 导航路径——它表达的是长期路线意图（该往哪走），不是可执行轨迹，不能直接控车。