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 (T=8)，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

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", encoding="utf-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}\\)"), (r"10-3", "10-3 应写成 \\(10^{-3}\\)"), (r"10-0", "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_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=，API 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。