自回归轨迹生成

它到底是什么意思

一句话对比：AR 像一步步开车，Diffusion 像一次提出多条路线。

AR 的优点：把连续控制变成离散分类，交叉熵目标清晰稳定；transformer 天然适配 token 序列；生成过程本身就是 rollout，和 RL 接口顺——先模仿学习再 PPO/GRPO 微调很自然。

缺点集中在三处：exposure bias（训练看真实历史，推理看自己的预测，错误会改变输入分布并放大）；早期 token 一旦选边，后续条件分布容易坍缩到单一模式；只最大化局部似然，不直接最大化长期回报。

机制图解

容易搞混的地方

看懂之后可以追问

1. 推理时的误差累积有多严重？长时域轨迹的末端偏差实测是多少？exposure bias 是 AR 的固有成本。要看实测数据，因为开环评测通常掩盖这个问题。
2. 多模态在 AR 里怎么保？还是最终只取 top1？AR 早期 token 选边后会向单一模式坍缩。如果量产又只取 top1，需要确认分叉场景的表现是否可接受。

沿着主线继续

先知道

• 多模态轨迹——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。

对比着看

• 扩散模型轨迹生成——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。

接着看

• 动作词元设计——「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。
• 逐步展开与误差累积——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。

相关论文

• FAST：面向视觉-语言-动作模型的高效动作词元化——tokenizer 即控制接口
• Plan-R1：把安全可行的轨迹规划建模为语言建模——规划语言化 + GRPO