# 场景驱动引擎：词 = 实体，句 = 场景，轨迹 = 日志，电影 = 场景序列

> lazeword 的核心引擎设计（v2）。对标自动驾驶的「仿真驱动（场景驱动）+ 数据驱动」测试体系——
> 项目发起人深耕自动驾驶仿真，这套方法论是 lazeword 与「学习即仿真」的第二个支点。
> 姊妹篇：[learning-as-simulation.md](./learning-as-simulation.md)（理论基础）、
> [research-physics-simulation.md](./research-physics-simulation.md)（行业调研）、[roadmap.md](./roadmap.md)。

---

## 一、为什么借鉴自动驾驶仿真

自动驾驶的安全无法靠路测穷举——事故是长尾事件。行业给出的答案是**双驱动仿真**：

1. **场景驱动（仿真驱动）**：用声明式场景语言（ASAM OpenSCENARIO 2.0）把世界描述为
   「实体 + 行为 + 条件」的可组合单元，参数化生成无限测试场景；OpenDRIVE 描述静态路网。
   同一个场景描述可以在不同仿真器里重放，**确定性是行业标准的硬要求**。
2. **数据驱动**：回放真实驾驶日志（recorded drives），在真实数据上做回归与边界测试。

两条腿缺一不可：场景驱动提供覆盖广度，数据驱动提供真实性与回归保障。

背单词面临同构的问题：**「学会」无法靠做题穷举——真正的语言能力出现在从未见过的句子里。**
而且每个孩子的输入与遗忘习惯都不同（= 每个司机的驾驶风格都不同），
通用题海是低效的——需要按孩子的轨迹自动生产场景。

## 二、概念映射表

| 自动驾驶（ASAM 体系） | lazeword | 现状 |
|---|---|---|
| 实体（actor：车、行人、障碍物） | **词**（词汇是场景的元素） | ✅ 15,000+ 词条 packs |
| 场景（scenario：实体+行为+条件的组合） | **句子**（词的自由组合，语法=物理约束） | 🔶 造句（私教）+ AI 故事 = v0 |
| 场景库（标准场景目录） | **词汇场景库**：每词带真实例句/搭配/出处（词典 + AI 生成，可核验） | 🔶 词典例句 + AI 例句，无场景库索引 |
| 参数化生成（coverage-driven） | **按轨迹参数化**：孩子错过的词、FSRS 到期词、薄弱场景 → 生成练习/故事 | ✅ 私教诊断（tutorDiagnosis） |
| 数据驱动回放（recorded drives） | **轨迹回放**：轨迹即日志，同事件流逐位重放出同一条学习时间线 | ✅ 事件溯源 + fold |
| 确定性重放（不同仿真器同结果） | **时空确定性**：seed 洗牌、golden 向量、dsh 底层时空一致 | ✅（与 dsh 同源） |
| 场景序列（多场景衔接） | **课程/故事**（私教一节课 = 场景序列） | ✅ 私教五步 |
| 电影（端到端剧情片） | **电影模式**：多场景剧情片 = 躺平模式 + AI 故事 + 场景引擎合体 | ⏳ roadmap 10 |

**核心洞见**：dsh 的「时空确定性」与自动驾驶仿真标准要求的确定性是**同一件事**——
同一场景描述重放出一致的世界演化。lazeword 把这条要求从仿真器带进了学习系统：
同一份轨迹重放出一致的学习状态，同一 seed 生成一致的题目与场景。

## 三、引擎架构：场景生成器三层

```
L1 词汇场景库（静态，署名可核验）
  每词 → 真实例句/搭配/出处（词典 + EDB 材料 + AI 生成标注来源）
       ↓ 参数化（孩子的轨迹）
L2 个性化场景（确定性骨架 + AI 文案）
  诊断（错词/到期/薄弱场景）+ seed → 练习、造句、短文
  骨架可重放（同轨迹同 seed 同结构），台词可重生成（AI 非确定层，明示）
       ↓ 组合
L3 场景序列 / 电影（剧情）
  多场景衔接 = 一节课 / 一个故事 / 一部「词汇电影」
```

- **确定性边界（诚实声明）**：结构与判定是纯函数（可重放、可测试）；
  AI 讲解文案与主观批改是非确定层——这正是自动驾驶「仿真器确定性 vs 传感器噪声」的分界，
  我们不掩盖它：骨架开源可查，台词标注来源。
- **孩子的输入和习惯 = 驾驶数据**：每一条 know/wrong/造句/游戏记录都进入轨迹，
  成为下一批场景的参数——学习系统因此「越用越懂这个孩子」，且全程可审计。

## 四、现状即 v0

AI 私教（2026-08 落地）已经是场景生成器的雏形：诊断从轨迹挑词（数据驱动）→
讲课与造句（场景生成）→ 客观题 + 批改（判定回写轨迹）→ 课堂记录（新数据）。
下一步（roadmap 8/10）：把「造句与 AI 故事」升级为带索引的场景库，
把「一节课」升级为可编排的多场景剧情——**躺着看一部用自己学过的词写成的电影，
才是真正的躺着背单词。**

## 参考文献

1. ASAM OpenSCENARIO 2.0 / OpenDRIVE —— 自动驾驶场景与路网描述标准（行业公开规范）。
2. 行业仿真调研（自动驾驶与机器人仿真的确定性实践）：[research-physics-simulation.md](./research-physics-simulation.md)。
3. 时空确定性与 dsh 契约（三·五）：[learning-as-simulation.md](./learning-as-simulation.md)。