知识卡片：承诺前门控：通过预判意图发散预防自动驾驶交互后决策失败

一句话结论

该论文提出在自动驾驶规划“承诺前”加入一个由语言引导意图模块驱动的门控层，基于平滑的“意图-几何发散度”评分拦截计划机动；在重放的驶离道路事件和四段碰撞片段中，门控是唯一能修复计划的层，且将评分不确定性视为“弃权”而非“半个冲突”后，误触发率从 9 次/5.9 分钟降至 0.341 次/分钟。

事件概述或研究问题

车辆交互中的意图误解会导致反复出现的规划失败。论文研究一个决策层：在走廊包络（corridor envelope）上游、计划机动“承诺前”进行门控，目的是在交互后决策失败实际发生之前预判意图发散并阻止计划执行。

方法/产品要点

• 语言引导的意图模块：读取结构化描述符，而非原始自然语言或高维感知特征。
• 意图-几何发散度评分：计算平滑后的评分，衡量语言推断意图与几何轨迹之间的发散程度。
• 门控机制：在计划机动提交执行之前对计划进行门控，位于走廊包络上游。
• 不确定性处理：第一次校准中，每次误触发来自“将评分不确定性视为半个冲突”；预注册的重新设计将不确定性视为“弃权”（abstention），显著降低误触发率。
• 冻结、公开的实现：实验基于冻结且披露的实现进行重放评估。

主要结果或产业意义

• 主案例中，门控在漂移开始后 72 ms 触发，但在走廊出口前 161 ms 触发；在全部十次重放中，轨迹均保持在走廊内。
• 第一次校准在 5.9 分钟内产生 9 次误触发；预注册重新设计后降至 0.341 次/分钟。
• 消融实验：
  • 完整评分在“部署资格”规则下，于五个失败片段中的四个上检测最快；在“未经否决”规则下为五个中的三个。
  • 片段 000871 差一个周期；片段 000228 在不确定路段上于起始前触发，五个片段无法将其分类为信号或巧合。
  • 去掉置信度项会损失两次检测。
  • 在域内轨迹、相同误报率条件下，几何规则本身的检出数是完整评分的三倍以上。
• 证据支持门控机制本身；模型被证明的作用是对这些失败的最快检测，以及对几何规则的不确定性否决。

为什么重要

这项工作将意图误解与“承诺后失败”联系起来，提出一个位于规划执行之前的轻量级门控层，而不是事后修正。其“不确定性作为弃权”的设计原则对自动驾驶交互安全具有直接参考价值，也为语言模型在规划中如何与几何约束结合提供了一个可验证的案例。

局限与不确定性

• 待核实：实验是否仅基于离线重放片段，是否有实车验证。
• 待核实：数据集规模、场景多样性、传感器输入类型与计算开销。
• 待核实：与完整规划器、其他意图预测方法或端到端模型的定量对比。
• 待核实：片段 000228 的“起始前触发”究竟属于信号还是巧合，材料明确表示无法用五个片段分类。
• 待核实：领域内轨迹上“几何规则检出数超过完整评分三倍”的具体测试条件与含义。

可用于图书/PPT/简报的角度

• 自动驾驶安全决策中的“门控”思维：如何在承诺前拦截高风险计划。
• 语言意图理解与几何轨迹发散度的结合。
• 不确定性处理策略：弃权（abstention）而非强判冲突。
• 用重放事故片段验证安全关键模块的范式。

与既有脉络的关系

本条与已有相关卡片无直接重叠。已有卡片分别涉及三维重建、递归自我改进和 LLM 计划评估；本条聚焦自动驾驶规划中的意图误解与门控机制，属于“基础模型在安全关键决策中的应用”脉络，增量信息在于提出“意图-几何发散度评分 + 承诺前门控”的具体机制，并给出重放事故片段上的量化结果。

原始材料

• 英文标题：Gating Before Commitment: Anticipating Intent Divergence to Prevent Post-Interaction Decision Failures in Autonomous Driving
• 英文关键词：Autonomous Driving; Intent Divergence; Gating Mechanism; Language-Guided Intent Module; Decision Failures
• arXiv ID：2608.26074v1
• 作者：Cong Xu, Ravi Sankar
• 提交时间：2026-08-26T17:42:03Z
• 更新日期：2026-08-26T17:42:03Z
• 分类：cs.RO, cs.AI
• URL：https://arxiv.org/abs/2608.26074v1