ChatPaper.aiChatPaper

CARVE: Reparación Certificada Asequible de Maniobras Vetadas mediante Envolventes para Conducción Interactiva

CARVE: Certified Affordable Repair of Vetoed Maneuvers via Envelopes for Interactive Driving

May 31, 2026
Autores: Yifan Wang
cs.AI

Resumen

La conducción interactiva expone un modo de fallo que es fácil pasar por alto en las pilas de conducción autónoma conscientes de reglas: un margen de regla estricta puede ser negativo para un candidato ego, incluso cuando una pequeña concesión legal por parte de un agente no prioritario restauraría la factibilidad. Los libros de reglas, escudos y filtros de alcanzabilidad existentes son sólidos para vetar acciones inseguras, mientras que los planificadores basados en predicción modelan las respuestas probables. Ninguno de ellos devuelve un objeto de prueba en tiempo de ejecución que indique qué edición multiagente acotada repara la maniobra, quién es el titular de la edición, si la solicitud es asequible en términos de derecho de paso, y qué plan de contingencia del ego permanece si la solicitud no se cumple. Formulamos este objeto faltante como *certificación de reparación interactiva* e introducimos *CARVE*, una capa de certificación sin predicción sobre un retículo finito de operadores tácticos propiedad del ego y del agente. Las solicitudes propiedad del agente son admisibles solo dentro de \(B_j(s) = β(π_j)α_j^{\max}(s)\), una envolvente de cooperación que separa la alcanzabilidad cinemática de la prioridad normativa. El certificado resultante registra la regla vinculante, la categoría de reparación, el conjunto de reparación, la división de costos ponderada por responsabilidad y el plan de contingencia. En 589 episodios de reproducción INTERACTION basados en geometría Lanelet2, CARVE-Greedy acepta el 98.64% de las maniobras inicialmente vetadas y recupera 370 de 378 vetos falsos resueltos por humanos, mientras preserva 589 de 589 casos de respeto del derecho de paso, cero falsos positivos de agente prioritario y 400 de 400 vetos de estrés negativo. Demostramos la solidez del certificado, el respeto estructural del derecho de paso, la minimalidad exacta del retículo finito, la contingencia del plan de contingencia y las condiciones de consistencia de atribución de culpa. CARVE no predice ni requiere el cumplimiento de otro conductor; certifica si una interacción propuesta es acotada, atribuible y normativamente admisible bajo supuestos declarados.
English
Interactive driving exposes a failure mode that is easy to miss in rule-aware autonomous-driving stacks: a hard-rule margin can be negative for an ego candidate even though a small lawful accommodation by a non-priority agent would restore feasibility. Existing rulebooks, shields, and reachability filters are strong at vetoing unsafe actions, while prediction-based planners model likely responses. Neither returns a runtime proof object that states which bounded multi-agent edit repairs the maneuver, who owns the edit, whether the request is right-of-way affordable, and what ego fallback remains if the request is not observed. We formulate this missing object as *interactive repair certification* and introduce *CARVE*, a prediction-free certificate layer over a finite lattice of ego-owned and agent-owned tactical operators. Agent-owned requests are admissible only inside \(B_j(s) = β(π_j)α_j^{\max}(s)\), a cooperation envelope that separates kinematic reachability from normative priority. The resulting certificate records the binding rule, repair category, repair set, responsibility-weighted cost split, and fallback. On 589 Lanelet2-geometry-grounded INTERACTION replay episodes, CARVE-Greedy accepts 98.64% of initially vetoed maneuvers and recovers 370/378 human-resolved false vetoes, while preserving 589/589 right-of-way respect, zero priority-agent false positives, and 400/400 negative-stress vetoes. We prove certificate soundness, structural right-of-way respect, exact finite-lattice minimality, fallback contingency, and blame-consistency conditions. CARVE does not predict or require another driver's compliance; it certifies whether a proposed interaction is bounded, attributable, and normatively admissible under declared assumptions.