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

技術的概要：Steins;Gate Drive — レイテンシ非結合 LLM 計画のための構造化された未来における意味的セーフティ仲裁

問題定義
本論文は、自動運転における重要なタイミングの不一致に対処する。大規模言語モデル（LLM）は運転判断のための優れた意味推論を提供するが、推論レイテンシが反応型車両システムのステップごとの制御ウィンドウを上回るという欠点がある。LLM を最後の反応瞬間にのみ照会した場合、その応答は交通状況がすでに変化した後に到着し、判断が無効化する可能性がある。逆に、システムが早期に計画を立てた場合、状況の変化により計画が期限切れまたは無効になったかどうかを判断するメカニズムが欠如している。既存のアプローチは、LLM の高速化（しばしば不成功に終わる）、低レベル制御の自由形式言語への置換（レイテンシを無視）、未来生成と行動選択を大規模ループで結合する学習済み世界モデルへの依存のいずれかである。核心的な課題は、リアルタイムの安全性を損なうことなく、遅い意味的決定者を最終的な権限として活用する方法である。

手法：Steins;Gate Drive
著者らは、レイテンシ非結合の計画器・ランタイムアーキテクチャであるSteins;Gate Driveを提案する。このシステムは、LLM による運転を、遅い戦略的「未来」の選択と、その未来の高速ランタイム実行を分離する二重時間スケールの意思決定問題として扱う。

1. 役割型ワールドライン生成:
   非構造化の視覚的未来を生成する代わりに、システムは「ワールドライン」と呼ばれる限定された反事実的運転未来の集合を構築する。これらは 3 つの役割に分類される。

   • アルファ: 基本的な動作（例：車線変更、加速）に基づく、自己条件付きの nominal（標準的）未来。
   • ベータ: 特定の近隣車両にストレスをかける相互作用の反事実（例：前方車両の急ブレーキ、割り込み）。
   • ガンマ: 設定された環境上の危険（例：通行止め、突然の障害物）を適用する危険ストレス未来。
     生成器は、短時間ホライズンの運動学と分析的スコアリングを用いてこれらの分岐を生成し、候補リストに剪定する。

2. 戦略的予測契約:
   戦略的 LLM は単一の即時動作を出力するのではなく、候補リストから 1 つの分岐を選択し、それをタイプ付けされたStrategicForecastとしてコミットする。このオブジェクトは構造化された決定であり、以下の要素を含む。

   • 選択された分岐と基本的な動作。
   • ホライズン（有効期間）。
   • 有効性アトム: 真であり続けなければならない安全性スタイルの不変条件（例：前方間隔 > 12m）。
   • 中止アトム: リバティスタイルの停止条件（例：TTC < 2.0 秒）。
   • フォールバック動作と権限レベル。

3. 予測バッファリングランタイム仲裁:
   高速ランタイム監督者が選択された予測を実行する。これは、予測の有効性アトムと中止アトムに対してライブシーンを継続的に監視する。

   • 再利用: 有効性アトムが保持され、ドリフトスコア（期待される間隔/TTC からの逸脱を測定）が閾値未満である限り、予測は複数の制御ステップで再利用される。
   • 無効化: 中止アトムが発火するか、有効性アトムが違反するか、ホライズンが期限切れになるか、ドリフトが閾値を超えた場合、予測は即座に無効化される。
   • フォールバック: 無効化時、ランタイムは即座に検証済みの分析的フォールバック動作に戻り、戦略的 LLM への更新リクエストをトリガーする。

主要な貢献
本論文は、すべて実証的にテストされた 4 つの主要な貢献を行う。

1. 役割型ワールドライン生成器: 実行可能な基本的な動作を、異なる標準的（アルファ）、相互作用反事実（ベータ）、危険ストレス（ガンマ）の未来に変換する手法。これにより、LLM に対して構造化された選択肢セットを提供する。
2. タイプ付けされた StrategicForecast インターフェース: LLM が最後の瞬間の動作ではなく、取り消し可能なタイプ付けされた契約を出力する二重時間スケールアーキテクチャ。これにより、意味的決定の再利用が可能になる。
3. 展開可能性診断: 反応型 LLM 制御、決定論的予測再生、および一致した高速道路シード上の双エージェントバッファリングランタイムを比較する評価フレームワーク。生来の安全性の優位性を主張するのではなく、レイテンシの償却と行動のトレードオフに焦点を当てる。
4. ホライズン・スウィープによるレイテンシ償却: 予測再利用ホライズンを増加させることで、システムの LLM 呼び出しコストを償却でき、レイテンシを正の値からほぼゼロ、あるいは負の値（バッファが呼び出しコストよりも長い時間をカバーする状態）に効果的に低下させることを実証。

結果
実験は、10 の一致したシードと実行あたり 20 の意思決定ステップを用いた highway-env シミュレーターを使用して実施された。

• レイテンシ償却: GPT-5.4 mini を使用した場合、システムは有効な遅延を（1 秒ホライズンで）+3.07 秒から（4 秒ホライズンで）-0.01 秒、（12 秒ホライズンで）-7.79 秒に削減した。負の遅延は、バッファリングされたホライズンが測定された LLM 呼び出しコストよりも長い時間をカバーしていることを示す。
• 安全性: 全ての条件（反応型、決定論的再生、双エージェント）において、通常高速道路プロトコル上の衝突なし率は 100% で維持された。安全性の下限は、LLM のドリフトスコアではなく、ランタイムのアトム述語と分析的フォールバックによって維持された。
• 行動のトレードオフ: ホライズンが増加するにつれて、平均速度は低下した（H=1 秒で 73.4 km/h から H=12 秒で 50.0 km/h）。これは、時代遅れのコミットメントが危険な行動ではなく、保守的な運転として現れることを示している。
• 役割感度: システムがベータおよびガンマのストレス証拠を効果的に利用したのは、プロンプトで LLM にこれらの役割を等しい仮説として扱うよう明示的に指示した場合（「バランスモード」）に限られた。そうでない場合、LLM はストレスシナリオを無視してアルファ分岐にデフォルトした。
• モデルのばらつき: GPT-5.4 mini は高い完了率でほぼゼロの有效遅延を達成したが、他のモデル（例：DeepSeek-v4-flash）は許容できないレイテンシに苦しみ、小規模モデル（Llama-3.2-3B）は振動挙動を示した。これは、アーキテクチャの成功が基盤モデルの速度と安定性に依存することを浮き彫りにした。

意義と主張
本論文は、Steins;Gate Driveが、ワールドラインの選択を取り消し可能な契約に変換することで、遅い意味推論を反応型運転で利用可能にするアーキテクチャ的解決策を提供すると、控えめに主張する。

• 核心的主張: 再利用ホライズンが呼び出しコストをカバーする場合、予測バッファリング LLM 運転は遅い推論コストを償却できる一方、ライブ仲裁（有効性/中止チェック）は即座の安全性の責任を負う。
• 安全性の位置づけ: 著者らは、反応型 LLM 運転や実世界への転移に対する安全性の優位性を主張するものではないと明確に述べている。衝突なし率 100% は、「飽和」した通常高速道路プロトコルの性質と、分析的フォールバックの堅牢性に起因するものであり、LLM 固有の安全性によるものではない。
• アーキテクチャ的貢献: この研究は、強力な LLM を分岐選択器として維持しつつ、選択された未来を機械検証可能な仮定に縛る「計画器向けインターフェース」として位置づけ、統合された潜在計画器や直接 LLM ドライバーとは異なる。安全性への貢献は、LLM の内部ドリフトスコアではなく、アトム述語ランタイムチェックとして特定されている。