跳到主要内容
返回时间线
arXiv来源发表:

REINS把智能体运行时搬进驾驶规划:不更新LLM权重,调用率从70%降到12.81%

核心概要

REINS把软件工程中常见的智能体运行时结构移植到实时轨迹规划:LLM给出的驾驶建议先落到学到的变量级动力学模型上,再用校准谓词与多步前向推演检验,通过后写入带索引的规则记忆。在highway-env的Highway场景连续部署1000个回合,LLM调用率从70.0%降到12.81%,合规率从0.9885升到0.9956,碰撞率从7.05%降到5.67%,全程不修改LLM权重。

Source-provided article image: REINS: A Self-Evolving Agent Harness for Real-Time Trajectory Planning
arXiv

深度剖析

REINS让LLM在驾驶决策中只在记忆未命中时出场,其余场景由已核验的规则记忆直接响应,从而把秒级的语言模型查询挡在毫秒级控制回路之外。 此前的LLM轨迹规划要么把LLM留在决策回路里,单次查询耗时远超毫秒级控制预算;要么在离线阶段抽取规则后丢弃LLM,使运行时规划器无法随部署演化。 在highway-env的Highway场景连续部署1000个回合,LLM调用率从第250回合的70.0%单调降到第1000回合的12.81%,同期合规率由0.9885升到0.9956,碰撞率由7.05%降到5.67%。

这套运行时由三个耦合组成:把LLM输出落到物理变量上、用前向推演核验动作、把通过核验的动作固化为可检索规则。 落地依赖一个在因子化变量空间上学习的动力学模型,变量间的依赖图由LLM语义先验与分组加权岭回归共同确定,每个变量再由各自的Transformer预测其演化。 核验把LLM提议编译成阈值由数据校准的谓词,只有沿预测轨迹全部谓词成立的承诺才放行;在1000回合部署中约39000次提议里2.1%未通过格式校验、18.0%被推演核验拒绝,其余去重后得到57条新规则。

记忆命中时,参数化图查询按当前活跃变量取回少量规则,规划器在规则打分后对候选动作做定长推演并执行第一步。 规则存放在Neo4j图数据库中,规则节点通过TRIGGERS与AFFECTS边连接变量节点,检索只触及每步2到3条规则。 在仿真与真实数据基准上,规划延迟为每步1.9到4.6毫秒,合规率98%以上,碰撞率相对最强基线Plan-R1降低49%到56%。

启示与展望

评估停留在战术决策层:感知被假定为干净的结构化变量,highD与rounD采用闭环回放,遮挡、跟踪与地图误差不在评估范围内。作者明确说明这些是这一层的运行时结果,不是可部署的自动驾驶栈,5.7%到9.5%的回合级碰撞率也不达部署标准,可支持的结论是相对量:比最强学习基线低49%到56%。

学到的动力学受先验约束但未经因果识别,核验质量依赖动力学保真度,换成匀速外推会使碰撞率上升48%到49%;审计中57条新规则有3条过于具体。单调的未命中率性质假设场景分布平稳,且仅从highD与rounD编译的记忆在highway-env上起始调用率为86.2%,说明跨域零样本复用有限。