自动驾驶规划器不再只学记录轨迹：仿真渲染补上候选路线的未来画面，NAVSIM v1 从 86.2 升到 91.3

后训练阶段，规划器会采样出记录轨迹之外的候选路线，这些候选路线此前拿不到与之匹配的未来视频，只能靠驾驶奖励来学。 驾驶日志只为实际记录的那条轨迹保存未来视频，候选路线转弯而记录轨迹直行时，日志视频并不显示该动作的视觉后果。 把渲染目标在同一场景内跨轨迹条件打乱后，PDMS 从 91.3 掉到 83.1，说明收益依赖轨迹与视频的正确配对，而不只是多加了视频监督。

做法是先用仿真器为高奖励候选渲染未来视频，再用流匹配损失让视频预测与轨迹规划共享同一套表征。 渲染预算有限，所以先按轨迹奖励挑出候选，再在这些已渲染候选中优先监督预测误差较高的未来画面。 在 NAVSIM v1 上，视频损失只更新视频网络时 PDMS 为 89.1，同时更新共享编码器后升到 91.3；把渲染预算从四个候选翻倍到八个，PDMS 为 91.2，与 91.3 基本持平。

这套框架在 Epona 骨干上验证，后训练数据取自 NavTrain 中已有 World Engine 场景重建的样本，渲染由基于 3D 高斯泼溅的仿真器完成。评估覆盖 NAVSIM v1 与 v2 的 NavTest 划分，以及同一批 345 个 HUGSIM 预挑战场景的闭环驾驶，指标为 PDMS、EPDMS、路线完成度与 HD-Score。推理阶段模型直接从观测历史预测轨迹，不做仿真器调用、不生成未来视频、也不做基于视频的重排序。

遮挡与位姿覆盖有限会让记录路径之外的渲染质量下降，而渲染指标只在记录视角上评估，即使经过安全与位姿支持检查，渲染伪影仍可能出现。预测误差偏高既可能来自模型能力，也可能来自仿真目标质量。观测历史仍来自日志，渲染目标与真实图像存在差异，教师强制式的目标选择也无法反映自回归误差的累积。作者把偏移观测历史与反应式交通下的鲁棒性评估留作后续工作，并指出该框架只在 Epona 骨干上验证，向其他世界动作模型架构的泛化同样留待后续。