世界模型会预测不等于开得合规:PGSD把搜索修正蒸馏成一次验证,NAVSIM v2硬场景EPDMS提升11.24点
核心概要
世界模型规划器能预测未来场景,却无法保证所选轨迹在跟踪控制器下仍留在道路边界内;当候选池里没有一条合规轨迹时,重新排序也无济于事。PGSD在冻结的WorldDrive规划器与FAR奖励器之上加入执行感知选择,并用按执行后道路余量挑选的搜索教师蒸馏出一个未来条件修正学生,每次触发只做一次验证 rollout。在NAVSIM v1上单视图PGSD达到90.97 PDMS,在NAVSIM v2 navhard上达到38.96 EPDMS,比WorldDrive高11.24点(40.5%),并保留搜索教师相对执行感知选择增益的73.2%。
深度剖析
规划器不再只按预测未来给候选轨迹打分,而是在模拟执行中检查自车足迹是否越过道路边界,并优先选出真正开得出去的那一条。 此前的世界模型规划器用未来感知评分对候选轨迹重新排序,但排序无法在候选池里没有合规轨迹时凭空造出一条。 在NAVSIM v1全部12,146个场景的诊断中,278个需要干预,其中106个(38.1%)在池内找不到合规替代;加入执行感知选择后,PDMS从89.0升到90.4。
对于池内无解的触发场景,学生网络直接预测一次越出候选池的横向修正,而不是在线反复搜索。 物理搜索能找到这类修正,但每次触发要跑多轮 rollout,代价高;直接模仿搜索又会被贴着约束边缘的教师轨迹放大预测误差。 在106个修复触发的配对比较中,搜索用了1,040次额外 rollout,学生只用106次,减少89.8%;FCRS的PDMS为90.97,距搜索教师CAST的91.2仅0.21点,缓存修正阶段中位延迟25.13毫秒对239.49毫秒。
教师示范按执行后的最小道路余量挑选,给学生留出几何缓冲,使模仿误差不至于把修正推回边界外。 同样覆盖773条不可行训练参考中的680条,只改变目标挑选方式,中位目标余量就从9.8厘米升到31.3厘米。 在241条开发参考上,修复成功率提高17.15个百分点,拒绝率从47.0%降到29.9%;在202条教师可行的参考上成功率从62.7%升到82.7%。
启示与展望
演示范围是单目视觉输入加基于地图的执行几何,在NAVSIM v1全部12,146个navtest场景和NAVSIM v2 navhard_two_stage(5,912帧、225组)上评测,执行由LQR跟踪器与运动学自行车模型模拟;HUGSIM Hard只提供零样本定性示例。
作者把更丰富的机动和交互感知约束列为后续工作;即便余量监督改善后,仍存在负余量案例,因此保留验证与回退,且回退不计为成功修复。执行反馈的受控移除只支持其作为一组输入有效,未分离单个通道。
