决策视野与复合误差

决策视野与复合误差

类型 笔记 · 更新 2026-07-20

标签 end-to-end-learning · planning · closed-loop-evaluation

所属 模仿学习与离线学习 · 预测、规划与控制

核心观点

单步监督误差在多步展开时会复合：状态离开训练分布后，策略继续犯错。视野越长，开环 log-likelihood 与闭环表现越容易脱节。

应对杠杆

1. 缩短开环依赖：高频重规划、短 horizon 动作块。
2. 纠正分布：DAgger、交互数据、闭环微调。
3. 结构化输出：轨迹/路径参数化优于原始控制序列硬回归。
4. 世界模型 / 想象 rollout：用模型评估多步代价，而非只拟合下一步。

评测含义

必须同时报开环（ADE/FDE、L2）与闭环（碰撞、进度、舒适性）；只报其一会系统性误导。

关联

• 闭环评测与开环指标