量产里常见的坑

接口与组织：各自合格，接起来出事

这类坑的共性是：每个模块在自己的指标上都合格，接到一起却出问题。输出格式、时序、训练与部署的输入，以及团队分工，都是接口。

• 接口错配：离线指标漂亮，输出的格式、时序或坐标系下一环却接不住；各模块只对自己的指标负责。见第 1 章。
• 控制接口没对齐：坐标系、时间基准、曲率定义没和控制约定清楚，一条好轨迹也会被执行成“画龙”。见第 6 章。
• 拿真值训规划器：两段式常用缓存的感知结果、甚至感知真值来训规划器。上车吃的却是更差的在线感知，训练和部署的输入分布不一致。见第 7 章、专题 01。
• 只评原始输出：车上执行的是过滤、打分、精修之后的轨迹，论文指标只覆盖模型的原始输出；中间隔几层，就有几层没被评到。见专题 05。
• 组织边界固化成接口：规划说感知太差，感知说规划太敏感；训练和测试各维护一套“场景”，问题对不上号。见专题 01、专题 05。

地图与导航：先验会过期，导航会抖

地图和导航常被当成可靠的常量。实际上地图会过期，导航本身也是会抖、会跳的上游模型。

• 地图过期：施工改道后，地图还停在改道前；把历史地图当真值，车会照着改道前的入口走。要先和现场观测对齐，明显过期时以现场为准。见第 2 章。
• 无图后约束在抖：没有高精地图，定位只算相对位姿，航向误差随距离放大；车道边界来自感知，只能当软约束，轨迹因此更容易抖。见第 2 章。
• 把导航路径当轨迹：导航路径只说“该往哪走”，它自己也是模型预测，会抖，会随 SD 路由跳变；下游只接这一路，会和行为决策打架。见第 2 章。
• 晚变道：模型贴着 SD 行点变道，而行点的转折比人开得晚，是“老师教错了”；修法都不改网络结构，比如清洗数据、做行点缺失增强。见专题 05。
• 假设导航完美：行点会横向偏移、前后错位、丢点，还会和感知不同步；训练时要主动注入这些退化，并为 SD、SDPro、无导航三种状态分别定义降级。见专题 05、第 8 章。

感知：没看到，不等于没有

感知的坑多出在“不知道”上：被挡住的、类别表之外的、传感器退化时漏掉的，都容易被当成“没有”。

• 遮挡当空闲：一帧一算的检测器，目标被挡两帧就从输出里消失，下游读成“车道空闲”；要靠带跟踪的时序方案把身份续上。见第 3 章。
• 类别表列不全：检测框只认类别表里的东西，掉落的沙发、形状奇怪的养护车这类通用障碍物会被漏掉；Occupancy 改为逐格回答“占没占”。见第 3 章。
• 把标注状态当模型输出：“没看到”（unobserved）只是标注里的状态，模型上车只输出空或类别，盲区要另算可见性交给下游。标注和评测时，激光和相机的可见性也要分开定义。见第 3 章。
• 传感器退化：外参偏差、成像延迟、丢一路相机，都会让多相机 3D 检测掉点。PETRv2 在 nuScenes 上实测：延迟越久掉得越多；丢后视相机掉得最多，那一路视场角最大。对外参误差，BEVFormer 比 LSS 稳。见第 3 章。
• 路沿不准变成静态碰撞：路沿漏检，或者和别的障碍物混淆，行驶路线就会偏；感知的误差不会停在感知指标里。见专题 05。
• 红绿灯只做了检测和识别：车上还要选灯、处理倒计时和闪烁、绑定停止线，车才知道听哪盏灯、停在哪里。见专题 05。

预测与决策：别让平均值替你做决定

这两环的坑，常出在把不确定性压扁：几种未来被平均成一条，几辆车的未来被分开算，最坏的那条尾巴被期望值稀释。

• 匀速外推：短时可用，但分不出快切和慢切，弯道里会预测对方“冲出”路外；而规划要的恰恰是更长时的预测。见第 4 章。
• 误报也伤人：漏掉一次切入是危险，把不切入的车判成切入，就是一脚多余的急刹；预测要按对下游的影响来评。见第 4 章。
• 模式坍缩：只回归一条轨迹，会得到“不左不直”的平均线；输出多条却按概率加权算损失，几条也会一起被拉向平均。见第 4 章。
• 边际预测拼不成场景：每辆车单独预测，拼起来会出现互相穿越的组合；规划器只在固定的他车预测上打分，交互风险就留给了执行时兜底。见第 4 章、专题 02。
• 期望值稀释尾部：九成顺畅会把一成碰撞平均成“还行”。学习这一侧，只调奖励数值治不了；规划这一侧，要用 CVaR 这类风险度量盯住最坏的那部分分支。见第 5 章。

规划器与选轨：生成得多，不等于选得对

规划器的坑一半在生成，一半在选择：候选没覆盖该有的机动，或者覆盖到了却没选中。

• 横纵解耦在汇入时失效：先定路径再配速度，处理不了“走哪条线”和“什么时候到”互相决定的场景，比如汇入和窄道会车。见第 6 章。
• Top-K 掩盖 Top-1：候选里有安全轨迹，不代表选中的那条安全；扩散模型的候选之间没有天然排序，选择器要单独设计、单独评测。见专题 02。
• 自回归的量产缺陷：逐步解码会累积误差、横向不稳，也学不到动作对未来的影响；量产只取 Top-1，多模态被主动丢掉。见专题 05。
• 锚点和词表有盲区：截断扩散只在锚点附近去噪，词表没覆盖的新机动会被固化成盲区；打分型规划器的上限同样受词表覆盖约束。截断扩散的盲区见专题 02，打分型的词表上限见同一专题的四种规划器一节。
• 动作表示选错：tokenizer 本身就是控制接口，选错了，模型看起来会预测，落到控制上却更差。见专题 02。

数据：分布、老师与合规

数据的坑在分布和质量，不在规模。常见场景太多、长尾太少、老师教错、标签重复计数，都会被模型忠实地学下来。

• 惯性问题：常见场景比长尾多约三个数量级，静止和匀速的样本尤其多；模型过拟合到这些简单状态，需要主动避障、急刹或起步时，反而“决策迟钝”。长尾的数量级见第 8 章，惯性问题是本页补充的。
• 清洗没选老师：模仿学习的上限就是被模仿者的水平，新手的犹豫和急刹、错误导航、晚变道，都会被学下来。见第 8 章、专题 05。
• 标签重复计数：多标签样本不按 1/n 分摊，一条高风险数据被数好几次，“场景覆盖率”就虚高。见专题 05。
• 数据算子没准入：批量打场景标签的算子没过准确率门槛就进标注流水线，错误标签会被放大到后续所有版本。见专题 05。
• 回传不合规：数据闭环要回传的车外影像和位置轨迹，处理有专门规定。国内的《汽车数据安全管理若干规定（试行）》（2021）倡导车内处理、默认不收集、精度范围适用、脱敏处理，回传链路要从一开始就按这些原则设计。

训练与强化学习：奖励会被钻空子，仿真也会出错

训练的坑在信号：模仿学习学到的可能是相关而不是因果，强化学习优化的是写下来的数字，仿真环境本身也会出错。

• 分布偏移与因果混淆：模型一偏离示范就进入没见过的状态，误差越滚越大；它还可能把结果当原因，学成“看到仪表盘上的刹车指示灯亮了才刹车”。见第 7 章。
• 奖励钻空子：模型可能发现“不动最安全”；加塞专项修好了过度保守，又带出过度积极。见专题 03、专题 05。
• 奖励尺度与作用域：一项奖励在 0–1、另一项在 0–100，策略就只学大的那项；奖励不限定场景，修一个专项会污染别的任务。见专题 03。
• 把伪开环叫闭环：用了奖励，下一状态却仍来自录好的数据，学不到“我强行并线，后车会刹”。见专题 03。
• 组内比较“矮子里拔将军”：GRPO 只知道谁相对更好，全组都撞时仍会奖励赢家，要另加绝对的安全门槛。见专题 03。
• 交通代理太礼貌：IDM 这类规则代理永远让行，策略会学会“欺负世界”。见专题 03。
• 仿真器自己出错：世界模型按概率生成，会编出不存在的车、漏掉真正危险的物体，推得越远越不稳。3DGS 重建的场景也不能直接信：有量产团队每天跑几百到几千个闭环用例，重建效果和复现度仍靠人工检查。世界模型当环境的背景见专题 03，这两条实证是本页补充的。

评测：先审考卷，再看成绩

评测的坑是指标和能力错位：开环分数能靠自车惯性刷出来，总分会把原因藏起来，同名指标还可能不同义。

• 开环高分不等于会开：不看感知的两层 MLP，开环 L2 反超当时的端到端模型，放进闭环，成功率是 0，五项技能几乎全是 0。见第 8 章、专题 04。
• 开环指标的实现坑：nuScenes 开环碰撞率随占用栅格大小变，栅格一粗，没撞也判成撞；算碰撞时自车航向固定不变；驶出道路也不会被重罚；碰撞率和 L2 一样分两种口径。一种补法是加路沿碰撞率，整段轨迹任一时刻撞上就算碰撞。L2 的两种口径见专题 04，碰撞率的这几处实现坑是本页补充的。
• “闭环”没写清谁在响应：NAVSIM 里自车能偏离，背景车却按日志回放（第二版改由 IDM 响应，但自车整段执行、不回应它们），规划器中途也不重新规划；报告要写清自车、他车、观测三列各自怎么更新。见专题 04。
• 总分藏原因：CARLA 驾驶分把违规惩罚层层相乘，Leaderboard v2 的长路线上，已有方法都挤在 0–5 分，看不出哪项能力失败。见专题 04。
• 只报 min 系列：minADE 在 K 条里蒙对一条就算赢，K 越大越容易蒙中；要同时看带概率惩罚的 p-min、Brier 系列。见第 4 章、专题 04。
• 接管率不可比：触发策略、折算口径、道路构成和里程分母一变，接管率就没法横比。见第 8 章、专题 04。
• 把工程变量当路线差异：只加一个动作位置编码，PDMS 就能差十几分；看到“路线 A 打败 B”，先查单变量。见专题 02。

上车与发版：看最坏情况，留回退路

上车的坑在最坏情况：论文报一次前向的平均耗时，车上要的是整条链路的尾延迟、量化之后的精度，以及能回退的版本。

• 只报平均延迟：规划按 10 Hz 跑，一个周期只有 100 毫秒；显存换页、热降频、候选数增加都藏在尾部，门槛要写 P99 和超时行为。见专题 05。
• 生成步数没算进预算：典型的扩散要去噪 20 到 100 步，自回归的延迟随 token 数增长；“少步”要用网络调用次数和端到端最坏延迟来证明。见专题 02。
• 大模型进了实时环：VLA 和世界模型不该硬塞进高频控制环。一种快慢系统的设想是：轻量策略跑 10 Hz 以上，VLA 加世界模型只跑约 1 Hz；慢推理只能改目标、约束或计划，不能阻塞高频的安全环。见专题 05。
• 量化、编译后不复验：模型量化成整数、再经车端工具链编译，数值已和训练时不同。一篇 CVPR 2018 的量化论文发现，训练完再量化，小模型掉点明显，训练中模拟量化能减小损失。验收要用车端芯片上实际跑的那一版。这一条是本页补充的，站内其他页没有展开。
• OTA 没有回退路：每辆车跑的是哪个软件版本要查得清，升级失败或中断时，要能恢复到先前版本，或让车进入安全状态。UN R156 有这类要求，国内有 GB 44496-2024《汽车软件升级通用技术要求》。这一条是本页补充的，站内其他页没有展开。

护栏与功能安全：没出故障，不等于安全

安全的坑，是把“没出故障”当成“安全”，把“分数涨了”当成“更安全”。功能安全、预期功能安全、ODD 和规则护栏各管一段，缺哪段都有空当。

• 只验已知场景：SOTIF 把场景按已知、未知和危险、不危险分成四类，目标是把已知和未知的危险场景都压到可接受；数据闭环挖长尾，做的正是把“未知的危险”变成“已知的危险”再修掉。数据闭环见专题 05，SOTIF 的部分是本页补充的。
• ODD 越界没有兜底：SAE J3016 把越出 ODD 或系统失效之后的应对叫“动态驾驶任务后援”：由人接手，或把车带到最小风险状态，即稳定地停住。L2 的后援始终是驾驶员，L4 起由系统自己完成。见术语 ODD。
• 护栏悄悄改轨迹：过滤、约束、兜底不留原因码，线上只看得到最终轨迹，出了事分不清谁错；后处理改动过大时，要触发降级和数据回流。见专题 05。
• 急着删护栏：神经网络规划器还没法形式化地验证“绝对安全”，护栏承担的是可审计的边界；该减的是不必要的干预。见专题 05。
• 分数涨了，护栏接管也翻倍：模型指标要和护栏触发率、兜底成功率并列验收，任何一侧退化都要给出解释。见专题 05。
• 放行结论没有边界：“已量产端到端”说明不了什么；放行要写明在哪个 ODD、地图等级、天气、速度、硬件和版本下，过了哪些门槛。见专题 05。

沿着主线继续

相关术语

• 导航路径——两段式方案里由模型预测的一条宏观参考线：只表达该往哪走，不是可执行轨迹，不能直接控车。
• 导航增强——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。
• 鸟瞰图表征——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。
• 占据栅格——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。
• 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。
• 截断扩散与锚点——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。
• 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。
• 奖励钻空子——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。
• 场景隔离——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。
• 数据闭环——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。
• 开环与闭环——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。
• 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。

相关论文

• BEVFormer：用时空 Transformer 从多摄像头学 BEV 表征——BEV query 是空间探针
• MOTR：基于 Transformer 的端到端多目标跟踪——track query 维持身份
• DiffusionDrive：端到端自动驾驶的截断扩散模型——截断 + 锚点换实时
• DiffusionDriveV2：强化学习约束的截断扩散建模——锚内提质，锚间协调
• PLUTO：把模仿学习规划推到极限——把 IL 做到极致，再谈 RL