Steins;Gate Drive: Semantic Safety Arbitration over Structured Futures for Latency-Decoupled LLM Planning

Resumen Técnico: Steins;Gate Drive: Arbitraje de Seguridad Semántica sobre Futuros Estructurados para la Planificación de LLM Desacoplada de la Latencia

Enunciado del Problema
El artículo aborda una desincronización temporal crítica en la conducción autónoma: los Modelos de Lenguaje Grande (LLM) ofrecen un razonamiento semántico superior para la toma de decisiones de conducción, pero sufren de latencias de inferencia que exceden las ventanas de control paso a paso de los sistemas de control reactivo de los vehículos. Si un LLM se consulta únicamente en el instante reactivo final, su respuesta puede llegar después de que la escena de tráfico ya haya evolucionado, volviendo obsoleta la decisión. Por el contrario, si el sistema planifica con antelación, carece de un mecanismo para determinar cuándo un plan ha expirado o se ha vuelto inválido debido a cambios en la escena. Los enfoques existentes intentan acelerar los LLM (a menudo sin éxito), reemplazar el control de bajo nivel con lenguaje libre (ignorando la latencia) o depender de modelos del mundo aprendidos que acoplan la generación del futuro y la selección de acciones en bucles grandes. El desafío central es cómo utilizar un tomador de decisiones semántico lento como autoridad final sin comprometer la seguridad en tiempo real.

Metodología: Steins;Gate Drive
Los autores proponen Steins;Gate Drive, una arquitectura de planificador-tiempo de ejecución desacoplada de la latencia. El sistema trata la conducción con LLM como un problema de decisión de dos escalas temporales, separando la selección estratégica lenta de un "futuro" de la ejecución rápida en tiempo de ejecución de dicho futuro.

1. Generación de Líneas Temporales con Roles Tipificados:
   En lugar de generar futuros visuales no estructurados, el sistema construye un conjunto acotado de futuros de conducción contrafácticos denominados "líneas temporales". Estas se categorizan en tres roles:

   • Alpha: Futuros nominales condicionados al vehículo ego, basados en acciones primitivas (por ejemplo, cambio de carril, acelerar).
   • Beta: Contrafácticos de interacción que estresan vehículos específicos cercanos (por ejemplo, un vehículo frontal frenando bruscamente, un corte).
   • Gamma: Futuros de estrés de peligro que aplican peligros ambientales configurados (por ejemplo, corredores bloqueados, obstáculos repentinos).
     Un generador produce estas ramas utilizando cinemática de corto horizonte y puntuación analítica, podándolas en una lista corta.

2. Contrato de Pronóstico Estratégico:
   El LLM estratégico no genera una única acción inmediata. En su lugar, selecciona una rama de la lista corta y la compromete como un PronósticoEstratégico tipificado. Este objeto es una decisión estructurada que contiene:

   • La rama seleccionada y la acción primitiva.
   • Un horizonte (duración de validez).
   • Átomos de validez: Invariantes de estilo de seguridad que deben permanecer verdaderos (por ejemplo, espacio frontal > 12m).
   • Átomos de abortar: Condiciones de parada de estilo de vivacidad (por ejemplo, TTC < 2.0s).
   • Una acción de respaldo y un nivel de autoridad.

3. Arbitraje en Tiempo de Ejecución con Búfer de Pronóstico:
   Un supervisor rápido en tiempo de ejecución ejecuta el pronóstico seleccionado. Monitorea continuamente la escena en vivo contra los átomos de validez y abortar del pronóstico.

   • Reutilización: El pronóstico se reutiliza durante múltiples pasos de control siempre que los átomos de validez se mantengan y la puntuación de deriva (que mide la desviación de los espacios/TTC esperados) permanezca por debajo de un umbral.
   • Invalidación: Si se activa un átomo de abortar, se viola un átomo de validez, el horizonte expira o la deriva supera el umbral, el pronóstico se invalida inmediatamente.
   • Respuesta: Tras la invalidación, el tiempo de ejecución revierte instantáneamente a una acción analítica de respaldo verificada y desencadena una solicitud de actualización al LLM estratégico.

Contribuciones Clave
El artículo presenta cuatro contribuciones principales, todas probadas empíricamente:

1. Generador de Líneas Temporales con Roles Tipificados: Un método para convertir acciones primitivas factibles en futuros distintos: nominales (alpha), contrafácticos de interacción (beta) y de estrés de peligro (gamma), proporcionando un conjunto de opciones estructurado para el LLM.
2. Interfaz de PronósticoEstratégico Tipificado: Una arquitectura de dos escalas temporales donde el LLM emite un contrato revocable y tipificado en lugar de una acción de último instante, permitiendo la reutilización de decisiones semánticas.
3. Diagnósticos de Despliegue: Un marco de evaluación que compara el control reactivo con LLM, la reproducción determinista de pronósticos y el tiempo de ejecución en búfer de doble agente en semillas de autopista coincidentes, centrándose en la amortización de la latencia y las compensaciones de comportamiento en lugar de afirmar una superioridad de seguridad bruta.
4. Amortización de Latencia por Barrido de Horizonte: Demostración de que aumentar el horizonte de reutilización del pronóstico permite al sistema amortizar el costo de la llamada del LLM, reduciendo efectivamente la latencia de valores positivos a valores cercanos a cero o negativos (donde el búfer cubre más tiempo que el costo de la llamada).

Resultados
Los experimentos se realizaron utilizando el simulador highway-env con 10 semillas coincidentes y 20 pasos de decisión por ejecución.

• Amortización de Latencia: Utilizando GPT-5.4 mini, el sistema redujo el retraso efectivo de +3.07 segundos (con un horizonte de 1 segundo) a -0.01 segundos (con un horizonte de 4 segundos) y -7.79 segundos (con un horizonte de 12 segundos). Un retraso negativo indica que el horizonte en búfer cubre más tiempo que el costo medido de la llamada al LLM.
• Seguridad: En todas las condiciones (reactiva, reproducción determinista y doble agente), la tasa de no colisión se mantuvo en 100% en el protocolo de autopista normal. El suelo de seguridad fue mantenido por los predicados atómicos del tiempo de ejecución y la respuesta analítica, no por la puntuación de deriva del LLM.
• Compensaciones de Comportamiento: A medida que aumentó el horizonte, la velocidad media disminuyó (de 73.4 km/h en H=1s a 50.0 km/h en H=12s), lo que indica que los compromisos desactualizados se manifiestan como conducción conservadora en lugar de comportamiento inseguro.
• Sensibilidad a Roles: El sistema solo utilizó eficazmente la evidencia de estrés beta y gamma cuando el prompt instruyó explícitamente al LLM a tratar estos roles como hipótesis iguales ("modo equilibrado"). Sin esto, el LLM recurrió a ramas alfa, ignorando los escenarios de estrés.
• Variabilidad del Modelo: Aunque GPT-5.4 mini logró un retraso efectivo cercano a cero con alta finalización, otros modelos (por ejemplo, DeepSeek-v4-flash) sufrieron de latencia prohibitiva, y modelos más pequeños (Llama-3.2-3B) exhibieron comportamiento oscilatorio, destacando que el éxito de la arquitectura depende de la velocidad y estabilidad del modelo subyacente.

Significado y Afirmaciones
El artículo afirma modestamente que Steins;Gate Drive proporciona una solución arquitectónica para hacer utilizable el razonamiento semántico lento en la conducción reactiva convirtiendo las elecciones de líneas temporales en contratos revocables.

• Afirmación Central: La conducción con LLM en búfer de pronóstico puede amortizar los costos de razonamiento lento cuando el horizonte de reutilización cubre el costo de la llamada, mientras que la arbitraje en vivo (comprobaciones de validez/aborto) sigue siendo responsable de la seguridad inmediata.
• Posicionamiento de Seguridad: Los autores declaran explícitamente que no afirman superioridad de seguridad sobre la conducción reactiva con LLM o la transferencia al mundo real. La tasa de no colisión del 100% se atribuye a la naturaleza "saturada" del protocolo de autopista normal y a la robustez de la respuesta analítica, no a la seguridad inherente del LLM.
• Contribución Arquitectónica: El trabajo se posiciona como una "interfaz orientada al planificador" que mantiene un LLM fuerte como selector de ramas, pero vincula el futuro seleccionado a supuestos verificables por máquina, diferenciándose de los planificadores latentes unificados o conductores directos con LLM. La contribución de seguridad se identifica como la comprobación en tiempo de ejecución de predicados atómicos, no la puntuación de deriva interna del LLM.