1. 看什么
相机、LiDAR、车辆状态、地图、路线或语言指令？有没有训练时才可见的信息？
一条驾驶信息流
观测与任务Camera · LiDAR · ego state · route
→
场景表示features · BEV · objects · occupancy
→
决策与规划cost · waypoint · trajectory
→
控制与车辆steer · throttle · brake
车辆动作会改变下一时刻的观测，因此系统天然处在闭环中。数据集里的单帧预测只是把这个闭环切开观察。
读任何方案时问这五件事
2. 留什么
纯隐特征、BEV、目标、车道向量、occupancy，还是几个表示并存？
3. 输出什么
控制量、waypoint、未来轨迹、代价，还是候选轨迹的排序？
4. 怎么学
行为克隆、交互式模仿、强化学习、辅助任务，还是预训练后再微调？
5. 怎么测
日志上的 open-loop 指标、仿真 closed-loop 指标，还是有限的真实道路测试？
六课如何拼成完整地图
一句话定位法
“这个方法使用 输入，形成 表示，输出 驾驶决策；它通过 训练信号 学习，并用 评测方式 证明结果。”
如果论文摘要无法填满这句话，先不要评价模型强弱。缺失项往往正是最需要检查的假设。