Resumen Técnico: LISA – Arbitraje Cognitivo para la Gestión de Intersecciones Autónomas sin Semáforos

1. Declaración del Problema

La gestión de intersecciones urbanas ha dependido históricamente de paradigmas centrados en la infraestructura, utilizando semáforos y señales para regular el flujo basándose en mediciones agregadas en lugar de las capacidades o intenciones individuales de los vehículos. Aunque los Vehículos Conectados y Autónomos (VCA) ofrecen el potencial de una coordinación directa, las soluciones existentes enfrentan limitaciones estructurales distintas:

• Controladores basados en semáforos (de ciclo fijo, adaptativos) permanecen ajenos a los vehículos, optimizando las fases basándose en el flujo agregado en lugar de las intenciones o prioridades específicas de los vehículos.
• Asesoramiento de Velocidad Óptima para Semáforo Verde (GLOSA) mejora la eficiencia cinemática pero sigue atado a los horarios de señalización existentes, careciendo de mecanismos para la resolución de prioridades entre múltiples vehículos.
• Gestión de Intersecciones Autónomas (AIM) elimina los semáforos mediante franjas de reserva, pero depende de la programación determinista de estados cinemáticos, fallando en razonar sobre la intención del vehículo, las clases de prioridad o los compromisos contextuales como la presión de la cola.
• Enfoques basados en Modelos de Lenguaje Grande (LLM) han surgido como herramientas de razonamiento, pero típicamente se utilizan como módulos auxiliares para seleccionar fases de semáforo o corregir decisiones de Aprendizaje por Refuerzo (RL), en lugar de actuar como agentes autónomos para la toma de decisiones directa y sin semáforos.

Además, la alta latencia de inferencia de los Modelos de Lenguaje Grande (LLM) plantea una barrera significativa para el control en tiempo real, ya que los ciclos de control de vehículos de menos de un segundo no pueden esperar llamadas de razonamiento de varios segundos. El desafío central es si el razonamiento de un LLM por sí solo, sin infraestructura de semáforos ni entrenamiento específico para la tarea, puede arbitrar eficazmente las intenciones de cruce y entregar asesorías cinemáticas cooperativas en tiempo real.

2. Metodología: El Marco LISA

Los autores proponen LISA (Asesoramiento de Velocidad Basado en Intención y LLM), un marco de arbitraje cognitivo sin semáforos. LISA replantea la gestión de intersecciones como un problema de arbitraje cognitivo donde un agente LLM resuelve reclamaciones concurrentes de prioridad directamente desde las intenciones de los vehículos, sin fases de semáforo ni horarios de reserva.

Arquitectura del Sistema

LISA emplea una arquitectura de control de dos capas para separar el razonamiento semántico de alto nivel de la ejecución cinemática de bajo nivel:

1. Arbitraje Semántico de Alto Nivel (Agente LLM): El LLM recibe entradas estructuradas sobre los enfoques activos, las intenciones declaradas de los vehículos (espaciales, temporales, de prioridad, de energía), las presiones de la cola y las relaciones de conflicto. Genera roles simbólicos de prioridad: CLARO (proceder), CEDER (retrasar) o COMPARTIR (velocidad reducida concurrente).
2. Ejecución Cinemática de Bajo Nivel: Un ejecutor determinista convierte estos roles simbólicos en asesorías de velocidad específicas y verificables ($v_{adv}$) para cada vehículo basándose en su distancia actual a la línea de parada. Esta capa asegura la precisión temporal y la seguridad, eliminando al LLM del bucle de control en tiempo real.

Mecanismos Clave para la Mitigación de Latencia

Para abordar la latencia de inferencia del LLM, LISA integra dos mecanismos complementarios:

• Tabla de Arbitraje Memorizada (MAT): Una caché almacena asignaciones de prioridad previamente calculadas indexadas por una "firma de conflicto" discreta (codificando clases de prioridad, bandas de urgencia, profundidad de la cola y preferencias de energía). Esto permite al sistema servir estados de conflicto recurrentes sin invocar al LLM, logrando altas tasas de acierto en la caché.
• Arbitraje Anticipatorio: Las consultas se activan cuando los vehículos entran en un "horizonte de asesoramiento" (400 m de la línea de parada), creando un búfer de latencia de aproximadamente 14 segundos antes de que los vehículos entren en la "zona cercana" (200 m) donde se hacen cumplir las asesorías de velocidad. Esto asegura que las respuestas del LLM lleguen antes de que sean necesarias.

Seguridad y Lógica

• Monitor de Seguridad: Un monitor de colisiones basado en baldosas funciona independientemente del LLM. Si dos vehículos con movimientos conflictivos ocupan la misma baldosa, el vehículo que llega más tarde se sobrescribe a una velocidad de espera ($V_{hold} = 2.0$ m/s) para prevenir colisiones.
• Lógica de Roles: El sistema hace cumplir la preemption estricta para vehículos de emergencia. Para enfoques conflictivos saturados con presión de cola comparable, el rol COMPARTIR permite que ambos procedan a velocidades reducidas ponderadas por la presión para evitar el hambre de servicio.

3. Contribuciones Clave

1. Arbitraje Basado en Intención sin Semáforos: LISA es el primer marco que formula la gestión de intersecciones como un problema de arbitraje cognitivo donde un LLM resuelve la prioridad directamente desde intenciones a nivel de enfoque, sin fases de semáforo, horarios de reserva o ajuste fino.
2. Arquitectura de Dos Capas con Mitigación de Latencia: La separación del arbitraje semántico y la ejecución determinista, combinada con la MAT y la consulta anticipatoria, permite un rendimiento en tiempo real. La MAT logró tasas de acierto de hasta el 98.8% en demanda media, y el arbitraje anticipatorio mantuvo cero caídas al LLM en todas las condiciones.
3. Evaluación Empírica Exhaustiva: LISA fue evaluado en el simulador SUMO frente a ciclos fijos, SCATS (adaptativo), AIM y GLOSA en cargas de tráfico bajas, medias y cercanas a la saturación.
4. Métrica de Satisfacción de Intención Multidimensional: Los autores introducen un eje de evaluación estructurado que descompone el rendimiento en componentes de satisfacción espacial, temporal, de prioridad y de energía, proporcionando una visión holística del cumplimiento de intenciones a nivel de vehículo.

4. Resultados Experimentales

Evaluado utilizando el modelo Gemini-2.5 Flash Lite, LISA demostró mejoras significativas sobre las líneas base:

• Eficiencia del Tráfico:

  • Retraso Medio de Control: LISA redujo el retraso medio de control hasta en un 89.1% en comparación con el control de ciclo fijo en carga media.
  • Nivel de Servicio (LOS): En carga media ($v/c = 0.63$), LISA mantuvo LOS C, mientras que todas las líneas base sin LLM se degradaron a LOS F.
  • Tiempo de Espera: Bajo demanda cercana a la saturación, LISA redujo el tiempo medio de espera en un 93% en relación con el control de ciclo fijo.
  • Longitud Máxima de Cola: LISA redujo la longitud máxima de la cola en un 60.6% en relación con el control de ciclo fijo en carga alta.

• Energía y Emisiones:

  • LISA redujo el consumo de combustible hasta en un 48.8% en relación con el control de ciclo fijo.
  • La pérdida de energía cinética se redujo hasta en un 26% en demanda media.

• Satisfacción de Intención:

  • LISA logró una satisfacción general de intención del 86.2% en demanda media, superando significativamente al mejor resultado sin LLM (61.2% para GLOSA).
  • Esta ganancia fue impulsada por un rendimiento superior en el cumplimiento de retrasos temporales, servicio de prioridad (especialmente para vehículos de emergencia) y suavidad consciente de la energía.

• Rendimiento del LLM:

  • La fase de evaluación comparativa identificó a Gemini-2.5 Flash Lite como el backend óptimo, logrando una puntuación compuesta del 93.3% con una latencia media de 1.592 ms y cero llamadas que superaran el umbral de 5 segundos.

5. Significado y Afirmaciones

El artículo afirma que LISA demuestra que el razonamiento de LLM, cuando se combina con mitigación de latencia ligera y ejecución determinista, puede apoyar el arbitraje cooperativo de intersecciones en tiempo real sin infraestructura de semáforos.

Los autores argumentan que el significado principal de LISA radica en su capacidad para:

• Ir más allá de la regulación del flujo agregado hacia una coordinación consciente de la intención, resolviendo conflictos basándose en prioridades sociales, elecciones de ruta y preferencias de energía.
• Operar en un régimen de cero disparos (zero-shot), confiando en las capacidades generales de razonamiento del LLM en lugar de un entrenamiento o ajuste fino específico para la tarea.
• Proporcionar un proceso de resolución de conflictos legible por humanos e interpretable donde el LLM actúa como un agente de arbitraje explícito en lugar de un optimizador de caja negra.

Los autores señalan que, aunque LISA muestra las ganancias más fuertes en el "régimen de transición" (carga media) donde la calidad del arbitraje previene el inicio de la congestión persistente, sigue siendo efectivo incluso en cargas altas para gestionar la distribución de la congestión. El artículo concluye que este enfoque ofrece un camino viable hacia la conducción autónoma cooperativa sin semáforos, aunque se requiere trabajo futuro para abordar la coordinación de múltiples intersecciones y la robustez ante variaciones en los prompts.