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

Résumé technique : Steins;Gate Drive : Arbitrage de sécurité sémantique sur des futurs structurés pour la planification LLM découplée de la latence

Énoncé du problème
L'article aborde un décalage temporel critique dans la conduite autonome : les modèles de langage (LLM) offrent un raisonnement sémantique supérieur pour les décisions de conduite, mais souffrent de latences d'inférence qui dépassent les fenêtres de contrôle pas à pas des systèmes de véhicules réactifs. Si un LLM est interrogé uniquement au dernier instant réactif, sa réponse peut arriver après que la scène de trafic a déjà évolué, rendant la décision obsolète. À l'inverse, si le système planifie plus tôt, il manque un mécanisme pour déterminer quand un plan a expiré ou est devenu invalide en raison de changements de scène. Les approches existantes tentent soit d'accélérer les LLM (souvent sans succès), soit de remplacer le contrôle de bas niveau par du langage libre (en ignorant la latence), soit de s'appuyer sur des modèles du monde appris qui couplent la génération de futurs et la sélection d'actions dans de grandes boucles. Le défi central consiste à utiliser un décideur sémantique lent comme autorité finale sans compromettre la sécurité en temps réel.

Méthodologie : Steins;Gate Drive
Les auteurs proposent Steins;Gate Drive, une architecture de planification-exécution découplée de la latence. Le système traite la conduite par LLM comme un problème de décision à deux échelles de temps, séparant la sélection stratégique lente d'un « futur » de l'exécution rapide en temps réel de ce futur.

1. Génération de lignes temporelles à rôles typés :
   Au lieu de générer des futurs visuels non structurés, le système construit un ensemble borné de futurs de conduite contrefactuels appelés « lignes temporelles ». Ceux-ci sont catégorisés en trois rôles :

   • Alpha : Futurs nominaux conditionnés à l'agent, basés sur des actions primitives (par exemple, changement de voie, accélération).
   • Bêta : Contrefactuels d'interaction mettant à l'épreuve des véhicules spécifiques à proximité (par exemple, un véhicule frontal freinant brutalement, un changement de voie forcé).
   • Gamma : Futurs de mise à l'épreuve des dangers appliquant des aléas environnementaux configurés (par exemple, corridors bloqués, obstacles soudains).
     Un générateur produit ces branches en utilisant la cinématique à court horizon et un score analytique, les élaguant en une liste courte.

2. Contrat de prévision stratégique :
   Le LLM stratégique ne produit pas une action immédiate unique. Il sélectionne plutôt une branche de la liste courte et l'engage en tant que StrategicForecast typé. Cet objet est une décision structurée contenant :

   • La branche sélectionnée et l'action primitive.
   • Un horizon (durée de validité).
   • Des atomes de validité : invariants de type sécurité qui doivent rester vrais (par exemple, écart frontal > 12 m).
   • Des atomes d'arrêt : conditions d'arrêt de type vivacité (par exemple, TTC < 2,0 s).
   • Une action de repli et un niveau d'autorité.

3. Arbitrage en temps réel tamponné par prévision :
   Un superviseur d'exécution rapide exécute la prévision sélectionnée. Il surveille en continu la scène en direct par rapport aux atomes de validité et d'arrêt de la prévision.

   • Réutilisation : La prévision est réutilisée sur plusieurs étapes de contrôle tant que les atomes de validité sont respectés et que le score de dérive (mesurant l'écart par rapport aux écarts/TTC attendus) reste inférieur à un seuil.
   • Invalidation : Si un atome d'arrêt se déclenche, un atome de validité est violé, l'horizon expire ou la dérive dépasse le seuil, la prévision est immédiatement invalidée.
   • Repli : En cas d'invalidation, l'exécution revient instantanément à une action de repli analytique vérifiée et déclenche une demande de rafraîchissement auprès du LLM stratégique.

Contributions clés
L'article apporte quatre contributions principales, toutes testées empiriquement :

1. Générateur de lignes temporelles à rôles typés : Une méthode pour convertir des actions primitives réalisables en futurs distincts nominaux (alpha), d'interaction-contrefactuels (bêta) et de mise à l'épreuve des dangers (gamma), fournissant un ensemble de choix structuré pour le LLM.
2. Interface de StrategicForecast typé : Une architecture à deux échelles de temps où le LLM émet un contrat révocable et typé plutôt qu'une action au dernier instant, permettant la réutilisation des décisions sémantiques.
3. Diagnostics de déployabilité : Un cadre d'évaluation comparant le contrôle réactif par LLM, la rejouissance déterministe de prévisions et l'exécution tamponnée à double agent sur des graines d'autoroute appariées, se concentrant sur l'amortissement de la latence et les compromis de comportement plutôt que sur une prétention de supériorité brute en matière de sécurité.
4. Amortissement de la latence par balayage d'horizon : Démonstration que l'augmentation de l'horizon de réutilisation de la prévision permet au système d'amortir le coût d'appel du LLM, réduisant effectivement la latence de valeurs positives à des valeurs proches de zéro ou négatives (où le tampon couvre plus de temps que le coût de l'appel).

Résultats
Les expériences ont été menées à l'aide du simulateur highway-env avec 10 graines appariées et 20 étapes de décision par exécution.

• Amortissement de la latence : En utilisant GPT-5.4 mini, le système a réduit le retard effectif de +3,07 secondes (à un horizon de 1 seconde) à -0,01 seconde (à un horizon de 4 secondes) et -7,79 secondes (à un horizon de 12 secondes). Un retard négatif indique que l'horizon tamponné couvre plus de temps que le coût mesuré de l'appel au LLM.
• Sécurité : Dans toutes les conditions (réactive, rejouissance déterministe et double agent), le taux de non-collision est resté à 100 % sur le protocole autoroutier normal. Le plancher de sécurité a été maintenu par les prédicats d'atomes de l'exécution et le repli analytique, et non par le score de dérive du LLM.
• Compromis comportementaux : À mesure que l'horizon augmentait, la vitesse moyenne diminuait (de 73,4 km/h à H=1s à 50,0 km/h à H=12s), indiquant que les engagements obsolètes se manifestent par une conduite prudente plutôt que par un comportement dangereux.
• Sensibilité aux rôles : Le système n'a utilisé efficacement les preuves de stress bêta et gamma que lorsque l'invite instruisait explicitement le LLM de traiter ces rôles comme des hypothèses égales (« mode équilibré »). Sans cela, le LLM se rabattait sur les branches alpha, ignorant les scénarios de stress.
• Variabilité des modèles : Bien que GPT-5.4 mini ait atteint un retard effectif proche de zéro avec une complétion élevée, d'autres modèles (par exemple DeepSeek-v4-flash) ont souffert d'une latence prohibitive, et des modèles plus petits (Llama-3.2-3B) ont présenté un comportement oscillatoire, soulignant que le succès de l'architecture dépend de la vitesse et de la stabilité du modèle sous-jacent.

Portée et revendications
L'article revendique modestement que Steins;Gate Drive fournit une solution architecturale pour rendre le raisonnement sémantique lent utilisable dans la conduite réactive en convertissant les choix de lignes temporelles en contrats révocables.

• Revendication centrale : La conduite par LLM tamponnée par prévision peut amortir les coûts de raisonnement lent lorsque l'horizon de réutilisation couvre le coût de l'appel, tandis que l'arbitrage en direct (vérifications de validité/arrêt) reste responsable de la sécurité immédiate.
• Positionnement de la sécurité : Les auteurs déclarent explicitement ne pas revendiquer une supériorité de sécurité par rapport à la conduite réactive par LLM ou au transfert vers le monde réel. Le taux de non-collision de 100 % est attribué à la nature « saturée » du protocole autoroutier normal et à la robustesse du repli analytique, et non à la sécurité intrinsèque du LLM.
• Contribution architecturale : Ce travail se positionne comme une « interface destinée au planificateur » qui maintient un LLM puissant comme sélecteur de branches, mais lie le futur sélectionné à des hypothèses vérifiables par machine, se distinguant des planificateurs latents unifiés ou des conducteurs directs par LLM. La contribution en matière de sécurité est identifiée comme la vérification d'exécution par prédicat d'atome, et non le score de dérive interne du LLM.