术语图鉴

让模型更直接地从传感器输入学到驾驶输出，减少中间环节的信息损失，但不等于取消工程约束。

会上可能听到：“我们这套是端到端的。——那到底哪一段到哪一段？跟以前的方案差在哪？”

第一段输出结构化世界（目标、车道线、交通灯），第二段基于它生成轨迹——用信息压缩换可解释和可控。

会上可能听到：“第一段出感知结果，第二段做规划。——这算端到端吗？为什么大家都先做这个？”

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。

会上可能听到：“一段式上限更高。——上限高在哪？我们为什么还不敢上？”

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。

会上可能听到：“这些信息都在 latent 里。——那我怎么知道它到底学到了什么？”

query 是模型内部「带槽位的探针」，proposal 才是解码后拿出来比较的候选结果。

会上可能听到：“我们用 N 个 query 出候选。——query 就是候选轨迹吗？”

把多摄像头视角融合到统一的鸟瞰空间，降低对高精地图的依赖。

会上可能听到：“我们是 BEV 无图方案。——BEV 解决了什么，无图又是什么意思？”

用空间中每一块「有没有被占据」来表达障碍，解决检测框只能识别规则形状物体的问题。

会上可能听到：“Occupancy 能识别异形障碍物。——它跟 3D 检测框是什么关系？”

把视觉输入、语言/语义桥接和动作输出统一到一个多模态框架，适合更高层的意图和语义条件化。

会上可能听到：“下一代要上 VLA。——它比现在的端到端多了什么？”

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。

会上可能听到：“导航把路线给到模型了。——模型是不是照着这条线开就行？”

主动注入定位漂移、行点缺失、更新延迟这些真实退化，防止模型过度依赖某一种完美导航输入。

会上可能听到：“导航输入我们做了增强。——增强什么？把导航搞乱了不是更差吗？”

把 SD 行点、导航动作、限速、候选与推荐车道编码成条件 token，经 cross-attention 注入规划 query。

会上可能听到：“导航信息在一段式里怎么给模型？”

开环用数据集里的真实下一状态，闭环用环境动力学产生下一状态——前者看不到误差累积，后者才检验纠错能力。

会上可能听到：“这版指标提升了 15%。——这是开环测出来的还是闭环？”

ADE 是预测轨迹与真值逐点距离的平均，FDE 只看终点——它们衡量「像不像专家」，不等于安全或舒适。

会上可能听到：“ADE 降了 0.2。——这对用户意味着什么？”

TTC 是碰撞时间；VRU 是行人骑行者。关键不只是轨迹会不会相交，而是会不会在接近同一时刻到达交点。

会上可能听到：“VRU 场景我们加了 TTC 惩罚。——够吗？”

同一个 reward 在不同场景下含义可能相反，所以 reward 不能全局常开，必须按场景生效。

会上可能听到：“加了车道锁定之后，绕行变差了。——这两个是不是打架了？”

从线上发现问题到归因、难例挖掘、数据配比、调整、开闭环评测、小流量验证，再回到发现问题的完整循环。

会上可能听到：“我们有数据闭环。——具体是哪几步？多久转一圈？”

验 reward 方向约 10 条；单任务专项百到千条 clip；全量训练约 10w clip；一段式预训练可能千万级。

会上可能听到：“这个 RL 任务需要多少数据？——有没有大致的量级参考？”

模型会最大化你写下来的数值，而不是你心里真正想要的驾驶行为——这是 RL 的本性，不是偶发 bug。

会上可能听到：“仿真里指标全绿，实车体验却很差。——模型是不是在钻我们 reward 的空子？”

把安全、效率、舒适、法规、人类偏好折算成一个可优化的数值信号，并用 KL 约束拴住策略别跑偏。

会上可能听到：“我们在 reward 里加了舒适性权重。——这些权重是怎么定的？加了会不会顾此失彼？”

RL 不是从零学开车，而是在模仿学习学出的基础策略上做对齐微调。

会上可能听到：“我们要上强化学习。——是要从头用 RL 学开车吗？”

都是策略优化算法；GRPO 用「同场景多条候选的组内相对好坏」算优势，省掉了单独的价值网络。

会上可能听到：“这版我们从 PPO 换成 GRPO 了。——差别在哪，为什么要换？”

冻结的预训练策略作为锚点，用 KL 惩罚拴住新策略，别为了刷 reward 跑出原本合理的驾驶分布。

会上可能听到：“我们加了 KL 约束。——约束的是什么，加大加小有什么影响？”

长时序决策、多目标权衡、不确定交互、稀疏延迟反馈、规则写不清的灰色决策区。

会上可能听到：“这个问题上 RL 能解决吗？——什么样的问题才该用 RL？”

未来不是一个确定的点，而是一个分布：可以跟车、变道、让行、绕行，模型输出多条候选来表达这种不确定性。

会上可能听到：“模型输出了好几条候选轨迹。——为什么不直接给一条？多的那些有什么用？”

先给真实轨迹逐步加噪，再学习反向去噪——天然适合表达「未来有多个合理答案」，但多步去噪会拖慢推理。

会上可能听到：“轨迹生成我们用 diffusion。——它比直接回归好在哪？慢不慢？”

不从纯噪声出发，而是从聚类得到的轨迹锚点加少量噪声开始去噪，用少数几步换取车端实时性。

会上可能听到：“我们用截断扩散做到了实时。——截断掉的是什么？会不会有损失？”

把轨迹变成 next-token prediction，一步步生成——训练稳定、天然接 RL，但会误差累积、多模态容易坍缩。

会上可能听到：“AR 方案是一个 token 一个 token 出轨迹。——跟 diffusion 比各有什么取舍？”

「下一步」到底表示什么——不同的 token 定义会改变学习难度、噪声传播和极端场景表现。

会上可能听到：“我们的 token 用的是 acc 和 yaw_rate。——为什么不用轨迹点？这个选择影响什么？”

策略一步步展开未来时，前一步的输出会变成后一步的输入——错了就会沿着错误状态一路滚下去。

会上可能听到：“闭环里跑着跑着就飘了。——为什么开环测着好好的？”

不预测噪声，而是学习从噪声轨迹流向真实轨迹的连续速度场，推理时解 ODE——采样步数更少。

会上可能听到：“Flow matching 比 diffusion 快。——它们本质区别在哪？”

整条轨迹拿到一个 reward，要把功过分配回生成过程中的哪一步——AR 天然对齐，Diffusion 要摊回多个去噪步。

会上可能听到：“Diffusion 接 RL 比 AR 难。——难在哪？”