| FRM-2503.05689 | GoalFlow 五层重建（骨架）：核心对象是目标点引导的 rectified-flow 多模轨迹生成——从训练轨迹端点聚类出 4096/8192 目标点词表，用距离分与可行驶区分双分数选点，再以该点为条件经单步 rectified flow 生成轨迹，并用 shadow trajectory 检测不可靠目标点；公理层含『无约束生成易发散』『目标点构成强约束』与『扩散长路径不适合实时』。 | Formalization |
| FRM-2512.07745 | DiffusionDriveV2 五层重建（骨架）：核心对象是把去噪链视为 MDP 后用 RL 约束/探索的截断扩散生成器——锚内 GRPO 做组内优势、锚间截断 GRPO 负优势归零且碰撞罚一、尺度自适应乘性探索噪声；公理层含『IL 只监督单一正模式致负模式无约束』与『不同意图的锚不应直接比较优劣』；论证主干是多样性-质量权衡的对照与消融。 | Formalization |
| FRM-2608.19085 | DA-WAM 五层重建（骨架）：核心对象是候选特定的动作条件未来潜（每候选一个、不共享）与未来潜条件的因子化打分器；公理层含『世界模型的规划价值受其预测影响候选级打分的直接程度约束』与离线日志只记录专家执行未来；论证主干是同一骨干下的匹配消融（无未来预测／共享全局未来／当前潜／动作条件未来，± 安全关键难负例）隔离预测-行动耦合。 | Formalization |
| FRM-2412.01718 | HUGSIM 五层重建（骨架）：核心对象是基于 3D 高斯泼溅的重建式照片级闭环仿真器——分解式场景表示（地面多平面约束 + 单轮车正则的动态车 + 3DRealCar 非原生车）、LQR 与运动学自行车模型的闭环、IDM 正常与攻击代价搜索的激进 actor，以及 HD-Score（NC/DAC 门控 × TTC/COM 加权，再乘路线完成度 R_c）；公理层含『评估需闭环』『闭环视觉评测需照片级渲染』与『闭环中 EP 不适用』。 | Formalization |
| FRM-2603.24581 | Latent-WAM 五层重建（骨架）：核心对象是空间感知压缩世界编码器（可学习 scene query 压缩多视角图像 + 几何基础模型蒸馏）与动态潜世界模型（因果 Transformer 自回归预测未来世界状态，3D-RoPE + teacher forcing mask + ego 状态监督）；公理层含『世界状态须轻量以支撑长时程转移』与『推理只需 SCWE + 轨迹解码器』；论证为对既有世界模型三缺陷（压缩不足/空间理解缺/历史动态利用不足）的逐项回应。 | Formalization |
| FRM-2605.15120 | CLOVER 五层重建（骨架）：核心对象是生成器-打分器框架下的两阶段训练——Stage 1 用评估器过滤的伪专家做集合级覆盖监督，Stage 2 用评估器子分数做保守闭环自蒸馏（打分器拟合真实子分数、生成器向教师 top-k 与向量 Pareto 集合蒸馏加稳定性正则）；含一条作者命题（选中集合富集 → 高质量支撑提升）；公理层含训练-评估错配与『直接最大化学习标量分会利用打分器错误』。 | Formalization |
| FRM-2411.15139 | DiffusionDrive 五层重建（骨架）：核心对象是锚定高斯分布上的截断扩散策略（K-Means 锚点 + 只注少量噪声的短程去噪）与级联扩散解码器；公理层含『驾驶行为多模』『人类驾驶遵循固定模式可作先验』『去噪步数是实时瓶颈』；论证主干是 Transfuser→Transfuser_DP→Transfuser_TD→DiffusionDrive 的逐级路线图（质量、多样性、FPS 三者同测）。 | Formalization |
| FRM-2605.12964 | AsymFlow 五层重建：不对称速度目标 Pε−x0 与解析恢复 → 端点归约（r=0/正负号 x0-pred，r=D u-pred）→ Procrustes lift 的轨迹耦合定理 → 方差缩减微调损失（control variates + LPIPS 门控）；断言投影待 G1 签发后进行。 | Formalization |
| FRM-006 | CVAE（Sohn, Lee & Yan, NIPS 2015）的五层重建骨架：作者把结构化输出建模为以输入为条件的隐变量生成模型，用变分下界在 SGVB 框架训练；产出 CVAE、GSNN 与混合目标，并给出多尺度预测与输入噪声注入两种训练策略。P3 投影待用户发起。 | Formalization |
| FRM-2309.10443 | PlanTF（Cheng 等, CoRL 2023）五层重建：核心是 hidden imitation gap——完美模仿的 log replay 经 LQR 执行后在 Test14-hard 上掉 5.65（TH-1），说明执行链偏差是学习系闭环失败的构成性成分；Test14-random/hard 与 1M 帧训练 split 的定义亦出自本文。 | Formalization |
| FRM-2306.07962 | Parting（Dauner 等, CoRL 2023）五层重建：论证主线是 PDM 方法族逐级构造至 PDM-Hybrid（学习模块只修正跟踪器不消费的远端路点，C-horizon 原则）；开环与闭环负相关（TH-1）与规则基线强（TH-2）是引子，Val14（TH-3）是评测载体。 | Formalization |
| FRM-2606.26017 | G2DP 五层重建：核心对象是 CPT-013 时空代价体（占据概率栅格 × 路线进度图融合）在推理期的可微引导；公理层为能量重加权目标分布、Top-K 车体聚合与末段注入等六个作者前提；论证主干是 Table 4 在同一 DiT 骨干下隔离『稠密网格 vs 稀疏实例』的引导模态消融（稀疏臂按 PPR-2501.15564 附录 C 实现、以 oracle 邻车供给）。 | Formalization |
| FRM-2501.15564 | Diffusion Planner 五层重建：task redefinition 后的 ego+邻车联合轨迹生成（DiT 骨干、单一扩散损失）与 DPS 免训练 classifier guidance；断言投影 CLM-033..038（一份投影卡因 erratum 删除）。附录 C 的四个引导能量函数（式 10–13）与四条设计经验已公式化回填，供 G2DP 稀疏对比臂跨源引用。 | Formalization |
| FRM-004 | Kelly（2017）直接配点轨迹优化教程的五层重建：以“连续问题→多项式样条近似→非线性规划”为主线，规范术语与约束分类（D），列出作者接受的前提（AX），重建从配点构造、插值、误差估计到网格细化与不连续性处理的论证链（AR），并分节记录作者评论与本库评论；Theorems/Evidence 层待 P3 投影回填。 | Formalization |
| FRM-2103.00020 | CLIP 五层重建：对称 InfoNCE 双塔对比预训练（WIT 400M）+ 零样本分类的 hypernetwork 归约 + prompt/ensemble 修饰层；断言投影待 G1 签发后进行。 | Formalization |
| FRM-2211.15654 | OpenScene 五层重建：CLIP 共嵌入不变量下的三级特征构造（多视图融合 f2D → 余弦蒸馏 f3D → prompt-相似度 ensemble f2D3D）与零样本推理；断言投影待 G1 签发后进行。 | Formalization |
| FRM-2212.09748 | DiT 五层重建：以 ViT 替换 latent diffusion 的 U-Net backbone、Gflops 为透镜的 scaling 研究；边界为 class-cond ImageNet 256/512。 | Formalization |
| FRM-2112.10752 | LDM 五层重建：感知压缩 AE + 潜空间扩散的两段分解，换取训练/采样成本大降；多任务多分辨率（256²/512²→~1024²）。 | Formalization |
第 2 / 2 页
上一页