Resumen Técnico: CADET – Auditoría Causal Basada en la Física y Desconfusión sin Entrenamiento de Planificadores de Conducción de Extremo a Extremo

1. Declaración del Problema

Los planificadores de conducción autónoma de extremo a extremo (E2E), entrenados mediante aprendizaje por imitación en grandes conjuntos de datos registrados, son propensos a la confusión causal. Estos modelos suelen explotar correlaciones espurias —atajos estadísticos donde elementos de la escena (por ejemplo, fachadas de edificios específicos, objetos al borde de la carretera) coocurren con las acciones expertas en los datos de entrenamiento, pero no determinan causalmente dichas acciones. Aunque tales modelos pueden lograr bajos errores de desplazamiento (L2) y tasas de colisión en bucle abierto, su dependencia de señales no causales compromete su fiabilidad en escenarios de cola larga (long-tail) o de cambio de distribución.

Las métricas de evaluación actuales (desplazamiento L2, tasa de colisiones) están dominadas por el estado del ego y no logran detectar si un planificador depende de señales espurias. Además, los remedios existentes, como el entrenamiento con intervención causal (p. ej., CausalVAD), requieren el reentrenamiento de modelos grandes y no pueden auditar ni reparar planificadores que ya han sido desplegados. Existe una brecha crítica en las herramientas sin entrenamiento capaces de auditar, evaluar y reparar la dependencia espuria en planificadores E2E preentrenados sin actualizaciones de parámetros.

2. Metodología: El Marco CADET

CADET (Auditoría Causal y Desconfusión en Tiempo de Prueba) es un marco de trabajo sin entrenamiento diseñado para auditar, evaluar y reparar la dependencia espuria en planificadores E2E congelados. Opera enteramente mediante pasadas hacia adelante (forward passes) en una sola GPU y consta de tres componentes principales:

A. Puntuación de Dependencia Causal Basada en la Física (PCR)

Para distinguir los agentes causales verdaderos de los correlatos espurios, CADET fusiona tres señales en una puntuación por consulta ($PCR_i$):

1. Influencia del Modelo ($\tilde{I}_i$): Mide el cambio en la trayectoria planificada cuando se ablaciona (elimina) una consulta de agente específica. Una alta influencia indica que el modelo depende del agente.
2. Prior Geométrico-Físico ($\rho_i$): Un ancla externa e independiente de la distribución derivada de las salidas del módulo de percepción (caja 3D, velocidad, clase, confianza). Calcula la plausibilidad física de que un agente influya en la decisión basándose en:
   • Tiempo de Colisión (TTC).
   • Relevancia del corredor de conducción (solapamiento de la ruta).
   • Estado dinámico vs. estático.
   • Confianza de detección.
   • Función: Actúa como un "control de puerta duro" (hard gate). Si un agente es físamente plausible ($\rho_i$ es alto), está protegido de ser marcado como espurio, independientemente de la influencia del modelo.
3. Estabilidad entre Entornos ($\sigma_i$): Mide la varianza de la influencia del modelo a través de diferentes entornos (p. ej., clima, hora del día). Una alta varianza señala una dependencia espuria local que el prior físico podría omitir.

La puntuación final se calcula como $PCR_i = \tilde{I}_i \cdot (1 - \rho_i) \cdot (1 + \lambda \sigma_i)$, sujeto a un control de puerta duro que evita marcar agentes físicamente plausibles.

B. Evaluación de Robustez Contrafactual

CADET introduce un protocolo estandarizado para cuantificar la dependencia en factores espurios vs. causales utilizando tres familias de perturbaciones y sus métricas correspondientes:

• Perturbación Espuria: Eliminación de agentes físicamente irrelevantes. Métrica: Índice de Estabilidad Causal (CSI) (mide la estabilidad del plan; mayor es mejor).
• Perturbación de Vínculo Causal: Modificación de agentes causales (p. ej., un vehículo delantero que frena). Métrica: Índice de Respuesta Causal (CRI) (mide la dirección correcta de la respuesta; mayor es mejor).
• Perturbación de Cambio de Distribución: Aplicación de cambios de estilo (p. ej., de día a noche) preservando la estructura causal. Métrica: Puntuación de Consistencia Causal (CCS) (mide la consistencia del plan; mayor es mejor).

C. Enmascaramiento Causal en Tiempo de Prueba (TCM)

Durante la inferencia, CADET suprime las consultas espurias marcadas (aquellas con alto $PCR_i$ y bajo $\rho_i$) y vuelve a planificar utilizando solo los agentes causales restantes. Esto actúa como una aproximación a la intervención $do(\cdot)$, eliminando la confusión espuria durante el despliegue con una sobrecarga insignificante y sin entrenamiento.

3. Contribuciones Clave

1. Auditoría Causal Basada en la Física (PCR): Una puntuación sin entrenamiento y agnóstica al modelo que identifica la dependencia espuria fusionando la influencia basada en perturbaciones con un prior geométrico-físico. Sirve como un árbitro externo duro independiente de las estadísticas de los datos de entrenamiento.
2. Evaluación de Robustez Contrafactual: Un protocolo estandarizado con tres familias de perturbaciones y métricas (CSI, CRI, CCS) para cuantificar el alcance de la dependencia espuria en planificadores preentrenados.
3. Desconfusión sin Entrenamiento (TCM): Un método para suprimir las consultas espurias marcadas durante la inferencia, mejorando la robustez contrafactual sin necesidad de reentrenamiento o actualizaciones de parámetros.
4. Reproducibilidad: Todo el proceso es solo de inferencia, se ejecuta en una sola GPU de 16 GB y se libera como un kit de herramientas de código abierto.

4. Resultados Experimentales

Los autores evaluaron CADET en dos entornos: un benchmark sintético controlado (SpurGen) y una auditoría del mundo real de un planificador SparseDrive preentrenado en nuScenes.

• SpurGen (Sintético): En un benchmark donde el estatus espurio/causal es conocido por construcción, las líneas base de una sola señal fallaron:
  • Solo Influencia: Alta recuperación (recall) pero baja precisión (0.35–0.39) porque no puede distinguir entre agentes causales y atajos espurios con alta influencia.
  • Solo Física: Baja precisión (<0.20) porque marca todos los objetos físicamente implausibles, incluyendo distractores benignos que el modelo ignora.
  • Solo Invarianza: Baja precisión y recuperación debido al fallo de la "suposición de fidelidad" (las correlaciones espurias globales aparecen invariantes).
  • CADET (PCR): Logró una precisión de 0.942 y una recuperación de 0.886 (F1: 0.913), aislando con éxito las dependencias espurias al requerir tanto alta influencia como implausibilidad física.
• nuScenes (Auditoría del Mundo Real):
  • Se encontró que el planificador SparseDrive preentrenado es predominantemente causal (9.5 veces más influencia para agentes causales frente a los espurios).
  • Sin embargo, en fotogramas específicos, el agente físicamente irrelevante más influyente afectó el plan tan fuertemente como un agente causal promedio.
  • Efecto de TCM: La aplicación de TCM eliminó la dependencia espuria, elevando el Índice de Estabilidad Causal (CSI) de ~0.47 a ~0.96.
  • Ceguera de L2: Crucialmente, mientras que TCM alteró significativamente el comportamiento causal del planificador, el error de desplazamiento L2 en bucle abierto permaneció virtualmente sin cambios (1.90 $\to$ 1.98). Esto demuestra empíricamente que las métricas de desplazamiento estándar son ciegas a la robustez causal.

5. Significancia y Reivindicaciones

El artículo afirma que CADET aborda una brecha crítica en el despliegue de sistemas de conducción E2E: la incapacidad de auditar y reparar la confusión causal en modelos ya desplegados y congelados.

• Cambio Metodológico: Los autores argumentan que el desplazamiento L2 en bucle abierto es insuficiente para evaluar planificadores E2E porque está dominado por el estado del ego y es insensible a si el planificador razona sobre claves causales o espurias. Proponen que las métricas de robustez causal (como el CSI y las estadísticas de influencia por agente) deben acompañar al error de desplazamiento.
• Utilidad Práctica: A diferencia de los métodos causales previos que requieren reentrenamiento, CADET ofrece un mecanismo de diagnóstico y reparación inmediato y sin entrenamiento. Permite a los desarrolladores identificar la dependencia "oculta" en características espurias (p. ej., un cartel publicitario o un buzón específico) que podrían conducir a fallos en escenarios de cola larga.
• Limitaciones: Los autores señalan modestamente que CADET depende de la calidad del módulo de percepción ascendente; si el detector falla, el prior físico se ve comprometido. Además, aunque mejora la fiabilidad mediante un ancla física, no proporciona una garantía matemática de separar las causas reales de los correlatos espurios globales bajo todas las condiciones de fallo de fidelidad.

En resumen, CADET proporciona una herramienta necesaria para la fase de "auditoría y reparación" de la conducción E2E, demostando que incluso los planificadores fuertes pueden albergar confusiones causales localizadas y severas que las métricas estándar no logran detectar.