1. 可行性结论：能导入，设计里已经埋好了
伪标签 H= 的信号源是 3D box + box_velocity 的解析计算（TTC、closing speed、高斯核栅格化），整条 labeler 链路（risk_field.py）不碰点云、不碰图像。CARLA 的 world.get_actors() 直接给出每个 agent 的精确 3D bounding box 和速度向量——labeler 可以原样复用，一行公式不用改。这正符合方案 A 的硬约束「labeler 复用」：在 CARLA 里重算 H′ 和在 nuScenes 反事实场景里重算 H′ 是同一个函数。
真正需要适配的只有四个接口层：
| 适配点 | nuScenes 现状 | CARLA 对应 | 工作量 |
|---|---|---|---|
| 占用输入 | LIDAR_TOP 点云 → 体素化 | 语义 LiDAR 或直接用 GT box 栅格化（200×200×20、0.4m 分辨率规格照抄） | 小，写一个 build_occupancy_carla.py |
| 坐标系 | ego 系 x 前 y 左 z 上（右手系） | Unreal 左手系，y 轴反向，必须做 y-flip 并可视化对拍（红框 + ego 箭头，沿用陷阱清单第 4 条的验证方法） | 小，但是高危坑，坐标错了场全反 |
| 地图校验 | nuScenes map API 查 drivable area（方案 A 可行性清单） | CARLA waypoint/OpenDRIVE API，接口语义一一对应 | 小 |
| 时间基准 | keyframe 2Hz、T=10 窗口 | CARLA 默认 10~20Hz tick，降采样对齐 2Hz | 极小 |
一个要点：在 CARLA 里不需要用 frozen_best.pt 网络去「预测」H——仿真器里 box 和速度是真值，直接用 labeler 解析算出精确 H，反而绕过了「先验在合成点云上的域差」问题。网络版先验只在「CARLA 渲染传感数据 → 测试感知端」的场景才需要，那时才谈得上域差微调。
2. 导入后的五级扩展（按与主线亲疏排序）
1) 阶段②方案 A 的闭环升级（最相关）。 当前方案 A 的 rollout 是无交互开环动力学（匀加速+转向），注入代理不会避让。CARLA 代理由 Traffic Manager / BehaviorAgent 驱动，会真实刹车、绕行：
- 负样本「注入但避让成功、ρ′ 冲高后回落」从程序化伪造变成真实生成，直接回应方案 A 风险表里的「无博弈交互」limitation；
- θ 参数表（生成位置、v₀、TTC_profile、横向偏移率）可映射成 ScenarioRunner 场景配置，可行性检查从静态过滤变成仿真执行后筛选。
2) Phantom 泛化问题的 oracle 评测场。 阶段③卡在 PHANTOM_GENERALIZATION_UNRESOLVED（free IoU 0.097 < copy 0.210），核心困难是真实数据没有反事实 GT。CARLA 可以注入代理 → 物理引擎真实演化 → 导出每帧完美占用真值，为「phantom 命中是真实信号还是撒网」这个审计问题提供裁决性实验环境——生成的未来占用可与真实演化逐帧比对，不再靠 p-hat 旁证。
3) 下游闭环评测（答辩/论文的杀手锏）。 把 H′ 作为代价图喂给 CARLA baseline planner（BehaviorAgent 或简单 lattice planner），统计碰撞率/near-miss 率：有可供性条件 vs 无条件消融。这是「affordance 不是条件图」论点（答辩 Q6）的闭环版证据，比 offline IoU 有说服力得多。
4) 对抗场景生成与数据飞轮。 θ 分布网络 f 采样 → CARLA 执行 → labeler 重算的 ρ′ 峰值筛选「真正危险」场景 → 回流训练。构成无限量、分布可控的事故场景飞轮，且天然带「类别-场景语义一致」校验（仿真器不会放行行人上高速）。
5) 真实事故校准的补充信号。 DoTA/CCD 校准目前只做 BEV 轨迹匹配；CARLA 里可重演这些事故的 BEV 轨迹，验证重演后的 H′ 演化是否与真实事故记录对齐，把校准从「分布匹配」升级为「物理重演验证」。
3. 落地顺序（沿用项目惯例）
- Pilot C-1：CARLA 占用构建 + 坐标系对拍（y-flip + 红框可视化验收）——纯数据工程，不碰模型；
- Pilot C-2：labeler 跨管线一致性测试——同一 box 序列在 nuScenes 管线与 CARLA 管线的 H 输出逐位一致；
- 之后才谈方案 A 闭环注入或 phantom oracle。
现实约束：CARLA 仿真速度有限（单机 ~10-20 倍实时上限取决于传感器配置），大批量生成要关渲染、用 GT 模式跑；这套扩展与当前 3-3 phantom-hit 富集审计主线是并行关系，不阻塞。