📚 课程目录第1章课程导入

1. 课程导入

在自动驾驶领域，模仿学习（Imitation Learning, IL）已经成为从人类驾驶数据中学习决策与规划策略的主流范式之一。无论是行为克隆（Behavior Cloning）、逆强化学习（IRL），还是基于扩散模型、Transformer 的现代策略网络，其训练目标都可以概括为一句话：让模型在给定观测下，输出接近专家演示的动作或轨迹。然而，训练损失下降并不等于车辆在真实道路上开得安全、舒适、合规。本课程的核心命题正是：如何科学地评测一个模仿学习驾驶策略，并让它在分布外场景中保持泛化能力。

一、学习目标：从“会训练”到“会评测、会泛化”

本课程面向已经具备深度学习与自动驾驶基础的学习者，目标是建立一套完整的评测与泛化工程方法论。具体而言，完成本课程后，你应当能够：

理解评测的层次性：区分开环评测、闭环仿真评测与实车/准实车评测，明确各自能回答什么问题、不能回答什么问题。
掌握核心评测指标：包括位移误差（ADE/FDE）、碰撞率、脱离接管率（DMS）、舒适度指标（ jerk、加速度）、合规率与进度完成率等。
识别分布偏移来源：理解因果混淆（causal confusion）、协变量偏移（covariate shift）、长尾场景缺失如何导致闭环崩溃。
构建泛化工程闭环：从数据采集、场景挖掘、增强、课程学习到鲁棒训练与回归测试，形成可迭代的工程链路。
设计评测报告与准入门槛：能够为不同等级（L2/L3/L4）的策略定义可量化的发布标准。

核心观点：模仿学习策略的“好”不是单一数字，而是在指定运行设计域（ODD）内，安全性、舒适性、效率与合规性多目标约束下的综合表现。评测体系必须与 ODD 绑定，脱离场景谈指标没有意义。

二、核心概念：评测与泛化的四个关键词

在进入具体方法之前，需要先建立四个贯穿全课程的核心概念。

开环与闭环的本质差异：开环评测中，模型预测的动作不会影响后续输入，误差不会累积；闭环评测中，模型自己的输出会改变未来观测，微小偏差可能被放大为完全不同的轨迹。这是“离线指标好、上路就崩”的根本原因。
分布内与分布外（ID/OOD）：训练数据覆盖的场景是分布内，未见过或极少见的场景是分布外。泛化工程的目标不是消除 OOD，而是让策略在 OOD 下仍保持安全退化能力。
因果混淆：模型可能学到“刹车灯亮 → 前车减速”这类伪相关，而非真正的因果物理规律。一旦场景变化，伪相关失效，策略失效。
安全退化（Safe Degradation）：当策略不确定或超出能力边界时，应能降级到保守策略（如减速、靠边、请求接管），而不是输出危险动作。

三、整体框架：评测与泛化工程的全景

下图给出本课程的整体知识框架。左侧是数据与训练，中间是评测体系，右侧是泛化工程与发布闭环。三者不是线性流程，而是持续迭代的飞轮。

框架的读法是：数据与训练决定策略的能力上限，评测体系决定我们能否看见真实能力，泛化工程决定能力能否在 ODD 内稳定兑现。三者之间通过底部飞轮持续迭代，任何一环缺失都会导致“实验室指标漂亮、路上表现糟糕”。

四、方法流程：一次完整的评测迭代

为了让抽象框架落地，下面给出一次典型的评测迭代流程。它既是工程步骤，也是本课程后续章节的组织线索。

1. 定义 ODD 与评测目标
   - 城市道路 / 高速 / 泊车？天气、光照、交通密度？
   - 安全优先还是效率优先？可接受接管率阈值？

2. 构建场景库
   - 常规场景：跟车、变道、路口通行
   - 长尾场景：cut-in、鬼探头、施工区、事故现场
   - 对抗场景：他车博弈、遮挡、传感器退化

3. 开环快速筛选
   - 计算 ADE/FDE、轨迹 NLL、动作分布距离
   - 淘汰明显欠拟合或过拟合模型

4. 闭环仿真评测
   - 接入 CARLA / SUMO / 自研仿真器
   - 统计碰撞率、接管率、进度完成率、jerk

5. OOD 压力测试
   - 分布偏移注入：新城市、新车型、新传感器配置
   - 因果混淆检测：反事实场景替换

6. 泛化改进与回归
   - 数据增强、课程学习、不变性正则
   - 回归测试防止旧场景退化

7. 发布门禁与线上监控
   - 达标才允许上车；线上持续采集 corner case

五、案例场景：为什么开环好不等于闭环好

假设某团队训练了一个行为克隆策略，在离线验证集上 ADE 仅为 0.42 米，看起来非常优秀。但接入闭环仿真后，车辆在无保护左转场景中频繁停在路口中央，导致后车追尾。复盘发现：训练数据中人类驾驶员在左转时会有微小的“试探性前移”，模型学到了这个动作，但在闭环中它前移后没有获得人类驾驶员那样的对向车流让行反馈，于是陷入“前移—犹豫—再前移”的循环。

这个案例说明：开环指标衡量的是“拟合人类轨迹的能力”，闭环指标衡量的是“在交互中保持安全的能力”。两者相关但不等价。评测体系必须同时包含开环与闭环，且以闭环安全指标作为发布门禁。

六、常见误区与复盘清单

在课程开始前，先建立对常见误区的警觉，可以少走很多弯路。

误区	表现	正确做法
只看 ADE/FDE	离线指标好，闭环碰撞高	开环筛选 + 闭环安全指标双轨
评测场景与 ODD 脱节	在高速数据上评测城市策略	场景库必须与 ODD 严格对齐
忽视因果混淆	换城市后性能骤降	反事实测试 + 不变性学习
没有安全退化机制	OOD 下输出激进动作	不确定性估计 + 保守兜底策略
评测一次性	模型更新后旧场景退化	场景库版本化 + 回归测试

七、学习路径建议

本课程共 30 章，建议按“概念—指标—工具—实战—复盘”的路径推进。前 8 章建立评测与泛化的概念体系和指标定义；中间 12 章深入开环、闭环、OOD 压力测试与泛化训练方法；后 10 章通过完整案例、工具链与排障复盘，把方法落到工程实践。学习过程中，建议始终带着三个问题：这个指标回答什么问题？它在什么条件下会失效？如果失效，我如何用另一层评测补上？

入门建议：先跑通一个最小闭环评测流程——用一个开源策略模型，在 CARLA 中跑 20 个场景，记录碰撞与接管，再对比其开环 ADE。这个对比会让你对“评测层次性”产生直观体感，后续章节的理解会顺畅很多。

评测与泛化不是训练之后的“附加步骤”，而是与训练同等重要的工程能力。一个模仿学习驾驶策略能否真正上路，取决于我们能否用科学的评测体系看见它的边界，并用泛化工程把边界推到 ODD 之外仍安全可控。接下来的章节，将逐层展开这套方法论。