CARVE: 상호작용 주행을 위한 엔벨로프 기반 거부된 기동의 인증된 경제적 보정

초록

상호작용 주행은 규칙 기반 자율주행 스택에서 간과하기 쉬운 실패 모드를 드러낸다. 우선순위가 없는 에이전트의 작은 합법적 양보가 실현 가능성을 회복할 수 있음에도 불구하고, 자아 후보에 대한 엄격한 규칙 마진이 음수일 수 있다. 기존의 규칙집, 방어막, 도달 가능성 필터는 안전하지 않은 행동을 거부하는 데 강력한 반면, 예측 기반 계획자는 가능한 반응을 모델링한다. 어느 쪽도 기동을 수정하는 경계적 다중 에이전트 편집이 무엇인지, 편집의 소유자가 누구인지, 요청이 통행권을 감당할 수 있는지, 요청이 준수되지 않을 때 어떤 자아 대비책이 남아 있는지를 명시하는 런타임 증명 객체를 반환하지 않는다. 우리는 이 누락된 객체를 *상호작용 수리 인증*으로 정식화하고, 자아 소유 및 에이전트 소유 전술 연산자의 유한 격자 위에 예측이 필요 없는 인증 계층인 *CARVE*를 소개한다. 에이전트 소유 요청은 \(B_j(s) = β(π_j)α_j^{\max}(s)\) 내에서만 허용 가능하며, 이는 운동학적 도달 가능성과 규범적 우선권을 분리하는 협력 범위이다. 결과적으로 생성된 인증서는 바인딩 규칙, 수리 범주, 수리 집합, 책임 가중 비용 분할 및 대비책을 기록한다. 589개의 Lanelet2 기하 기반 INTERACTION 재생 에피소드에서 CARVE-Greedy는 초기에 거부된 기동의 98.64%를 수용하고, 인간이 해결한 378건의 거짓 거부 중 370건을 복구하며, 589/589의 통행권 존중, 우선 에이전트에 대한 거짓 양성 0건, 400/400의 부정적 스트레스 거부를 유지한다. 우리는 인증서의 건전성, 구조적 통행권 존중, 정확한 유한 격자 최소성, 대비책 비상 상황 및 책임 일관성 조건을 증명한다. CARVE는 다른 운전자의 준수를 예측하거나 요구하지 않는다. 제안된 상호작용이 선언된 가정 하에 경계적이고, 귀인 가능하며, 규범적으로 허용 가능한지를 인증한다.

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.