开环与闭环

它到底是什么意思

开环：状态分布固定，来自数据集；看不到误差累积；训练稳定、样本效率高、可 replay、容易复现。量产里大量使用开环不是因为它最好，而是因为它安全、稳定、成本低、可复现。

闭环：状态分布随策略变化；能看到误差累积；能检验模型「自己犯错之后能不能纠回来」；但强依赖仿真质量，训练不稳，难复现。

怎么选：想先让模型像人类，用开环；想让它处理自己犯错后的状态，必须闭环；想优化长期目标但仿真不完全可信，用伪闭环、规则环境代理、IDM 和多样化 logsim 折中。

机制图解

容易搞混的地方

看懂之后可以追问

1. 这个结论是开环评测出来的还是闭环？最高频也最有用的一问。开环指标好看完全可能对应闭环发散——因为开环永远看不到「模型自己犯错之后」的状态。
2. 闭环评测用的是哪种环境？其他车会对我们的动作做出反应吗？非反应式闭环（其他车按录制轨迹走）会高估博弈类场景的表现，加塞、合流这类结论尤其要打折。

沿着主线继续

先知道

• 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。

接着看

• 位移误差指标——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。