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

技术摘要：Steins;Gate Drive：面向延迟解耦的 LLM 规划，基于结构化未来的语义安全仲裁

问题陈述
本文解决了自动驾驶中的一个关键时序失配问题：大语言模型（LLM）在驾驶决策方面具有卓越的语义推理能力，但其推理延迟往往超过了反应式车辆系统的步进控制窗口。如果仅在最后一个反应时刻查询 LLM，其响应可能在交通场景已经演变之后才到达，导致决策失效。反之，如果系统提前规划，则缺乏一种机制来判断计划是否因场景变化而过期或失效。现有方法要么试图加速 LLM（通常不成功），要么用自由形式的语言替换底层控制（忽略延迟），要么依赖将未来生成与动作选择耦合在大型循环中的学习式世界模型。核心挑战在于：如何在不损害实时安全性的前提下，利用一个缓慢的语义决策者作为最终权威。

方法论：Steins;Gate Drive
作者提出了Steins;Gate Drive，一种延迟解耦的规划器 - 运行时架构。该系统将 LLM 驾驶视为一个双时间尺度决策问题，将“未来”的缓慢战略选择与该未来的快速运行时执行分离开来。

1. 角色类型化的世界线生成：
   系统不生成非结构化的视觉未来，而是构建一组有界的反事实驾驶未来，称为“世界线”。这些世界线被分为三类角色：

   • Alpha（阿尔法）： 基于原始动作（如变道、加速）的标称、自车条件化未来。
   • Beta（贝塔）： 交互反事实，针对特定邻近车辆施加压力（例如前车急刹车、切入）。
   • Gamma（伽马）： 风险压力未来，应用配置的环境风险（例如通道阻塞、突发障碍物）。
     生成器利用短视距运动学和分析评分生成这些分支，并将其修剪为候选短名单。

2. 战略预测契约：
   战略 LLM 不输出单一即时动作，而是从候选短名单中选择一个分支，并将其承诺为类型化的StrategicForecast（战略预测）。该对象是一个结构化决策，包含：

   • 选定的分支和原始动作。
   • 有效视界（horizon）（有效期时长）。
   • 有效性原子（Validity atoms）： 必须保持为真的安全风格不变量（例如，前车间距 > 12 米）。
   • 中止原子（Abort atoms）： 活性风格的停止条件（例如，TTC < 2.0 秒）。
   • 回退动作和权限级别。

3. 预测缓冲的运行时仲裁：
   快速运行时监督器执行选定的预测。它持续根据预测的有效性和中止原子监控实时场景。

   • 重用： 只要有效性原子成立，且漂移分数（衡量与预期间距/TTC 的偏差）低于阈值，该预测就会被重用于多个控制步骤。
   • 失效： 如果触发中止原子、违反有效性原子、视界过期或漂移超过阈值，预测将立即失效。
   • 回退： 一旦失效，运行时立即恢复为经过验证的分析式回退动作，并触发向战略 LLM 的刷新请求。

主要贡献
本文提出了四项主要贡献，均经过实证测试：

1. 角色类型化的世界线生成器： 一种将可行的原始动作转换为不同的标称（Alpha）、交互反事实（Beta）和风险压力（Gamma）未来的方法，为 LLM 提供结构化的选择集。
2. 类型化的 StrategicForecast 接口： 一种双时间尺度架构，其中 LLM 发出可撤销的类型化契约而非最后时刻的动作，从而实现语义决策的重用。
3. 可部署性诊断： 一个评估框架，在匹配的高速公路种子下比较反应式 LLM 控制、确定性预测回放和双代理缓冲运行时，侧重于延迟摊销和行为权衡，而非宣称原始安全性优势。
4. 视界扫描延迟摊销： 证明了增加预测重用视界可以使系统摊销 LLM 的调用成本，有效将延迟从正值降低至接近零甚至负值（即缓冲覆盖的时间超过了调用成本）。

结果
实验使用 highway-env 模拟器进行，包含 10 个匹配种子，每次运行 20 个决策步骤。

• 延迟摊销： 使用 GPT-5.4 mini，系统将有效延迟从视界为 1 秒时的**+3.07 秒降低至视界为 4 秒时的-0.01 秒**，以及视界为 12 秒时的**-7.79 秒**。负延迟表明缓冲视界覆盖的时间超过了实测的 LLM 调用成本。
• 安全性： 在所有条件（反应式、确定性回放和双代理）下，正常高速公路协议上的无碰撞率保持在 100%。安全底线由运行时的原子谓词和分析式回退维持，而非 LLM 的漂移分数。
• 行为权衡： 随着视界增加，平均速度下降（从 H=1s 时的 73.4 km/h 降至 H=12s 时的 50.0 km/h），表明过时的承诺表现为保守驾驶而非不安全行为。
• 角色敏感性： 仅当提示明确指示 LLM 将这些角色视为同等假设（“平衡模式”）时，系统才有效利用 Beta 和 Gamma 压力证据。否则，LLM 默认选择 Alpha 分支，忽略压力场景。
• 模型变异性： 虽然 GPT-5.4 mini 在高完成率下实现了接近零的有效延迟，但其他模型（如 DeepSeek-v4-flash）遭受了不可接受的延迟，而较小模型（Llama-3.2-3B）表现出振荡行为，这表明架构的成功取决于底层模型的速度和稳定性。

意义与主张
本文谦逊地主张，Steins;Gate Drive 提供了一种架构解决方案，通过将世界线选择转换为可撤销契约，使缓慢的语义推理可用于反应式驾驶。

• 核心主张： 当重用视界覆盖调用成本时，预测缓冲的 LLM 驾驶可以摊销缓慢的推理成本，而实时仲裁（有效性/中止检查）仍负责即时安全。
• 安全定位： 作者明确指出，他们不声称在安全性上优于反应式 LLM 驾驶或现实世界迁移。100% 的无碰撞率归因于“饱和”的正常高速公路协议和分析式回退的鲁棒性，而非 LLM 固有的安全性。
• 架构贡献： 该工作将自己定位为一种“面向规划器的接口”，它保持强大的 LLM 作为分支选择器，但将选定的未来绑定到机器可检查的假设上，这与统一的潜在规划器或直接 LLM 驾驶员不同。其安全贡献被确定为原子谓词运行时检查，而非 LLM 的内部漂移分数。