评估自动驾驶生成式场景模型的物理一致性与合理性

一篇 arXiv 论文提出面向自动驾驶生成式场景模型的分层评测协议，从五个层面评估模型的物理一致性与合理性。前四层检查内部表示与网络层，包括运动学对齐、统计基线对比、潜在空间可控性和激活分析；第五层用车速横向 jerk 阈值等车辆动力学约束检验输出。作者在基于 VAE 的场景生成器上验证，并称该协议也适用于其他生成模型。

此前对生成场景的评估多依赖输出层指标与可视化，只要画面看起来真实就可能被采信；该协议把检查推进到内部表示和动力学约束，指出视觉上合理的轨迹未必满足车辆动力学限制，这直接影响生成场景能否进入安全验证与认证流程。

生成模型可以拟合数据分布而生成逼真画面，但其潜在空间未必与运动学特征对齐，网络激活也未必编码物理规律。协议通过运动学对齐、统计基线、潜在可控性和激活分析检查内部表示，再用横向 jerk 等动力学阈值过滤输出，从而把真实性从视觉判断转为可分层检查的结构与物理约束。

对研发而言，生成场景数据集的验收标准可能从“看起来真实”变为“通过分层评测”，需要额外投入内部表示探测和动力学约束校验；若模型不达标，仿真数据可能无法用于安全关键验证，影响自动驾驶测试与认证的数据供给和成本结构。

• 将五层评测协议工具化，做成面向自动驾驶仿真团队的场景模型体检服务，输出各层通过率报告。
• 在生成场景数据管线中前置横向 jerk 等动力学约束过滤器，降低不合格轨迹流入训练集的比例。
• 围绕潜在空间可控性提供调试面板，帮助模型团队定位表示与运动学不对齐的具体维度。
• 为需要认证的客户提供评测记录与可追溯报告，作为场景生成模型进入验证流程的配套材料。

• 该协议在 VAE 之外的其他生成模型上的具体评测结果与失败模式是什么？
• 五层评测中哪一层最能预测下游安全关键验证中的实际失效？
• 协议运行所需的计算与人力成本是否适合大规模数据管线常态化使用？
• 论文是否公开了协议实现与评测数据集，能否被第三方复现？