1. 为什么值得逐段精读 CarPlanner 的第一部分CarPlanner 这篇论文讨论的是自动驾驶里一个很实际的问题如何用大规模强化学习把轨迹规划做得既一致又自回归。所谓一致性指的是同一套策略在不同时间步、不同重规划频率下给出的轨迹不会前后打架所谓自回归指的是模型把上一时刻的输出当作下一时刻的输入一步步往前推。这两点听起来像学术黑话但落到工程上就是车不能这一秒想左转、下一秒又想直行也不能因为重规划频率从 10Hz 换成 1Hz 就完全变了个性格。这篇是系列翻译的第一部分聚焦论文开篇的动机与问题定义以及训练流程、实施细节和消融实验的术语梳理。适合正在做自动驾驶规划控制、想复现 CarPlanner、或者需要把英文论文准确转成中文技术文档的读者。我会把关键术语做成对照表把原文结构拆开再给一份可复制的翻译校对清单最后用术语一致性验证动作收尾。整篇不堆空话能直接拿去对着原文改。2. 论文开篇的问题定义与核心动机拆解2.1 大规模强化学习在轨迹规划里的两个痛点自动驾驶的轨迹规划传统上依赖规则或模仿学习。规则方法可解释但难覆盖长尾模仿学习能学人类风格但受限于数据分布。强化学习的吸引力在于可以通过与环境交互去探索更优策略可一旦放到大规模场景里两个问题立刻暴露。第一个是采样效率。无模型强化学习要在真实数据集上反复试错ScenarioNet 这类开源平台已经算高效但训练成本依然高得吓人。CarPlanner 在消融里直接拿自己和 ScenarioNet 比结论是采样效率高出两个数量级这个数字是第一部分最该记住的锚点。第二个是一致性。普通自回归框架在每一步都重新预测前后步之间没有约束导致轨迹抖动。论文提出一致自回归框架让模型在自回归展开时保持策略分布的一致性消融实验里专门对比了普通与一致两种框架在不同引导奖励设计下的表现。2.2 问题定义里的关键变量原文用 (s_0) 表示初始状态(s_{1:N}^{1:T}) 表示预测轨迹(s_{1:T}^{gt}) 表示真实轨迹。轨迹生成器以 1 秒间隔生成 8 秒时间范围即 (T8)测试时插值到 0.1 秒间隔。这些符号如果不统一翻译出来读者会晕。我在下面术语表里固定了写法。注意论文里 (s_{1:N}^{1:T}) 和 (s_{1:T}^{gt}) 的上标下标容易在翻译时被吞掉校对时要逐个核对。2.3 训练流程的整体结构算法 1 概述了 CarPlanner 框架的训练过程。训练轨迹生成器时可以灵活选择强化学习或模仿学习但本研究没有把两者结合而是分别探索各自特点。这句话是理解后续所有损失函数的前提RL 和 IL 是两条并行路线不是串联。3. 关键术语对照表与原文结构拆解3.1 术语对照表英文术语推荐中文译法说明Consistency一致性前后时间步策略分布不冲突Autoregressive自回归上一步输出作为下一步输入Trajectory Generator轨迹生成器负责输出未来轨迹Mode Selector模式选择器在候选模式间打分选择Rule Selector规则选择器基于安全规则筛选候选Non-reactive Transition Model非反应性转换模型不随其他智能体反应而变Reactive Model反应式模型考虑其他智能体反应PPO近端策略优化强化学习优化算法GAE广义优势估计估计优势函数Imitation Learning模仿学习最小化与真实轨迹误差Ablation Study消融研究逐项去掉组件看影响3.2 原文结构拆解第一部分可以拆成三块。A 培训流程讲损失函数B 实施细节讲超参数和重规划频率C 消融研究讲训练效率、普通与一致框架对比、反应式与非反应式模型、时间范围影响。翻译时建议按这个层级保留小标题不要合并否则读者找不到表 5 到表 8 的对应关系。3.3 损失函数的四类写法非反应性转换模型损失用 L1 损失最小化目标是让 (\beta(s_0)) 逼近真实轨迹。模式选择器损失包含交叉熵损失和辅助任务损失两部分交叉熵里 (\sigma_i) 是模式 (c_i) 的分数(N_{mode}) 是候选模式数量(I) 是指示函数。基于强化学习的生成器损失由策略损失、价值损失、熵损失三部分组成比率 (r_t) 由新旧策略分布的概率比给出(A_t) 用 GAE 估计。模仿学习下生成器最小化自身规划轨迹与真实轨迹之间的误差。提示价值、策略、熵损失的量级分别是 (10^{-3})、(10^{-0})、(10^{-3})翻译时不要写成 10-3 这种丢上标的写法。4. 可复制的翻译校对清单与配置动作4.1 校对清单第一遍通读时只做一件事把所有数学符号圈出来确认上下标完整。第二遍核对术语表凡是表里出现的词全文必须统一。第三遍检查表格编号表 5 到表 8 的标题要和正文引用一致。第四遍读中文是否通顺重点看长句有没有被英文语序带偏。4.2 用脚本做术语一致性验证手工核对容易漏我写了个小脚本把术语表读进来扫描译文里是否出现不一致的译法。你可以直接复制运行。import re term_map { Consistency: 一致性, Autoregressive: 自回归, Trajectory Generator: 轨迹生成器, Mode Selector: 模式选择器, Rule Selector: 规则选择器, Non-reactive Transition Model: 非反应性转换模型, Imitation Learning: 模仿学习, Ablation Study: 消融研究, } def check_consistency(text, term_map): issues [] for en, zh in term_map.items(): # 检查中文译法是否被写成其他变体 variants { 一致性: [一致型, 统一性], 自回归: [自回归式, 自动回归], 轨迹生成器: [轨迹产生器, 轨迹生成模块], 模式选择器: [模式选择模块, 模态选择器], 规则选择器: [规则选择模块], 非反应性转换模型: [非反应转换模型, 非响应转换模型], 模仿学习: [模拟学习, 仿效学习], 消融研究: [消融实验研究, 消融分析], } for wrong in variants.get(zh, []): if wrong in text: issues.append(f术语不一致: 应为「{zh}」发现「{wrong}」) return issues if __name__ __main__: with open(translation.md, r, encodingutf-8) as f: content f.read() for item in check_consistency(content, term_map): print(item)运行后如果输出为空说明术语层面基本干净。这个脚本只做字符串匹配复杂变体还得人工补规则。4.3 数学符号校验符号问题用正则粗筛比如检查是否有孤立的s0没写成\(s_0\)。import re def check_math_symbols(text): patterns [ (r(?!\\)s0(?!\d), s0 应写成 \\(s_0\\)), (r(?!\\)s1:N, s1:N 应写成 \\(s_{1:N}\\)), (r(?!\\)s1:T, s1:T 应写成 \\(s_{1:T}\\)), (r10-3, 10-3 应写成 \\(10^{-3}\\)), (r10-0, 10-0 应写成 \\(10^{-0}\\)), ] for pattern, msg in patterns: for m in re.finditer(pattern, text): print(f位置 {m.start()}: {msg})把译文路径换成你的文件名即可。实测下来这两个脚本能挡掉大部分低级错误。5. 验证请求与成功结果5.1 用模型对话做术语抽检校对完想再确认一遍术语理解是否准确可以把原文段落和你的译文一起丢给模型对话让它逐句比对术语是否对应。地址是 https://taotoken.net/api模型对话入口在 deep link 里选模型对话即可。请求体示例{ model: claude-3-5-sonnet, messages: [ { role: user, content: 请比对以下英文与中文译文指出术语不一致或漏译之处。英文The mode selector loss contains cross-entropy loss and auxiliary task loss. 中文模式选择器损失包含交叉熵损失和辅助任务损失。 } ] }返回结果会逐条列出差异。如果模型说术语一致基本可以放心。5.2 成功结果长什么样一次合格的校对输出应该满足术语表里每个词在译文中只出现一种译法所有数学符号上下标完整表 5 到表 8 的标题与正文引用编号一致长句没有英文语序残留。我试过把上面脚本跑一遍再人工过一遍一篇 3000 字左右的译文大概能揪出十几处问题其中符号类占一半。5.3 长期做论文翻译的编码方案如果你要持续翻译这个系列建议把术语表和校对脚本放进一个仓库每次新增章节先跑脚本再人工审。需要长期编码或搭 Agent 自动跑校对流程的可以看 Coding Plan入口在 deep link 里选 coding-plan。API Keys 在 console 的 api-keys 页面生成接入文档在 doc 里。6. 本篇常见错排查6.1 术语前后不一致最常见的是「一致性」和「一致型」混用「自回归」和「自动回归」混用。原因通常是译者中途换了词。解决办法就是第 4 节的脚本跑一遍全暴露。6.2 数学符号丢失上下标从 PDF 复制到 Markdown 时(s_{1:N}^{1:T}) 这类符号经常被压成 s1:N1:T。校对时用正则筛s1:N、s1:T、10-3这些模式逐个补回 LaTeX。6.3 表格编号错位表 5 是超参数表 6 是训练效率比较表 7 是普通与一致框架对比表 8 是一致性比较。翻译时如果合并或调换顺序正文引用就对不上。建议保留原编号不要重排。6.4 重规划频率写错Test14-Random 基准用 10Hz 重规划频率遵循官方 nuPlan 模拟配置Reduced-Val14 基准用 1Hz为了和 Gen-Drive 公平比较。这两个数字容易记反校对时重点核对。6.5 紧急制动触发条件漏译如果自车候选轨迹都不满足规则选择器评估的安全标准则触发紧急制动。这句话是安全逻辑的关键不能省。6.6 损失量级写错价值、策略、熵损失量级分别是 (10^{-3})、(10^{-0})、(10^{-3})。注意策略损失是 (10^{-0})不是 (10^{-3})这个细节在表 5 里容易看串行。7. 术语一致性验证动作与接入入口术语一致性验证动作可以固化成三步先跑第 4 节的 Python 脚本做机器筛再用模型对话做语义抽检最后人工通读一遍长句。三步走完术语层面基本不会出问题。如果你在接入或排障过程中遇到 API 报错、鉴权失败、返回格式异常优先看 API Keys 和接入文档入口分别是 console 的 api-keys 页面和 doc。需要验证模型对术语的理解走模型对话。长期做论文翻译或搭自动化校对 Agent 的走 Coding Plan。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentAPI 地址是 https://taotoken.net/api不加 UTM。下一篇会继续拆 CarPlanner 第一部分的消融实验细节重点讲普通与一致自回归框架在引导奖励设计下的差异以及反应式与非反应式模型对训练的影响。