3. 闭环评测概述

在驾驶智能体的研发链条中，评测方式决定了我们能看到什么、看不到什么。开环评测把感知、预测、规划、控制拆开逐段打分，而闭环评测则把智能体放回一个会“回应”它的世界里：智能体的决策会改变环境状态，环境状态又反过来影响下一帧的输入。这种“决策—执行—反馈”的耦合，正是闭环评测的核心价值所在。

3.1 闭环评测的定义

闭环评测（Closed-loop Evaluation）是指在仿真或实车环境中，将待测驾驶智能体作为一个完整的决策执行主体接入环境，由环境持续生成动态场景与交通参与者行为，智能体的输出直接作用于车辆运动，车辆运动又改变下一时刻的观测输入，从而形成持续反馈的评测过程。

它包含三个不可分割的要素：

• 被测主体完整：感知、预测、规划、控制至少以端到端或模块串联方式整体接入，而非只测其中一段。
• 环境动态响应：其他交通参与者、信号灯、道路条件会随智能体行为变化而演化，不是固定回放。
• 指标来自轨迹：安全性、舒适性、通行效率、合规性等指标从实际行驶轨迹与交互事件中统计，而非单帧误差。

3.2 开环与闭环评测对比

开环评测通常基于已录制数据集，输入是固定的传感器序列或标注真值，评测的是模型输出与真值之间的偏差。它的优势是复现性强、成本低、便于回归；劣势是无法评估决策对场景的长期影响，也无法暴露“误差累积”和“交互博弈”类问题。

需要强调的是，开环与闭环不是替代关系，而是互补关系。开环负责“单点能力体检”，闭环负责“系统行为体检”。一个在开环数据集上指标优秀的规划模型，进入闭环后可能因为过度保守而频繁被加塞，也可能因为过度激进而制造冲突。

3.3 闭环评测在开发流程中的位置

在典型的驾驶智能体开发流程中，闭环评测位于“模型训练与离线验证”之后、“实车路测与量产释放”之前，是承上启下的关键闸门。其位置可以用下面的信号链与阶段关系图表示。

从图中可以看到，闭环评测不是流程末端的一次性动作，而是贯穿“仿真场景—传感器仿真—智能体—车辆动力学—状态反馈”的完整回路。每一次回路迭代都会产生新的轨迹与事件，评测指标从这些轨迹中统计得到。

3.4 闭环评测的价值与典型场景

闭环评测最直接的价值，是把“单点指标好”转化为“系统行为可靠”。具体体现在四类场景：

1. 交互博弈验证：无保护左转、匝道汇入、环岛通行等场景中，智能体需要与其他车辆博弈。开环数据无法复现“我进他退”或“我退他进”的动态，闭环可以。
2. 长尾场景复现：cut-in、鬼探头、施工区改道等低频高危场景，在实车中难以稳定复现，闭环仿真可通过参数化生成反复触发。
3. 回归测试：每次模型更新后，用固定场景集与随机种子跑闭环，对比碰撞率、接管率等指标是否退化。
4. 策略边界探索：通过调整智能体的保守/激进参数，观察其在临界场景下的行为边界，为安全策略提供依据。

3.5 常见误区与复盘

在实际工程中，闭环评测容易陷入几个误区：

• 把回放当闭环：只把录制数据按时间轴播放，智能体输出不影响数据流，这仍是开环，无法暴露交互问题。
• 场景集过于单一：只测高速巡航和简单跟车，导致模型在复杂路口表现未知。场景库需要覆盖 ODD 边界与长尾。
• 忽略随机性：闭环结果受初始条件、交通流随机种子影响，单次通过不代表稳定通过，需要多次蒙特卡洛统计。
• 指标不可比：不同版本使用不同场景集或不同种子，导致指标无法横向对比。应固定评测基准集与随机种子范围。

复盘来看，闭环评测的真正门槛不在仿真器本身，而在于场景库的覆盖度、指标体系的合理性以及评测流程的可复现性。只有把这三者工程化，闭环评测才能从“演示工具”变成“研发闸门”。

# 闭环评测基准配置示例（伪代码）
benchmark:
  scenario_set: "urban_intersection_v2.3"
  seeds: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
  metrics:
    - collision_rate
    - takeover_rate
    - avg_travel_time
    - comfort_jerk_p95
    - red_light_violation
  pass_criteria:
    collision_rate: "<= 0.01"
    takeover_rate: "<= 0.05"
    red_light_violation: "== 0"

综上，闭环评测是驾驶智能体从“能跑”走向“可靠”的必经环节。它用动态反馈替代静态比对，用系统行为替代单点误差，用可复现的基准替代一次性演示。理解它的定义、与开环的差异以及在开发流程中的闸门位置，是后续搭建闭环评测体系的基础。