自动驾驶场景规划中的时间感知推理：从提示到路面的时序 grounding 研究

本文聚焦自动驾驶场景规划中的时间感知推理问题，探讨时间条件对多智能体推理的影响。通过对比三种植入器架构（基线、中等时序集成、深度时序集成Sentinel）的实验，揭示提示式时序grounding的局限性，并建立首个时序场景到规划推理的实证基准。核心发现包括：单纯提示工程引入时间信息未显著提升定量指标，但深度时序集成架构在定性分析中展现出预测性危险推理、稳定纠正行为等优势。

自动驾驶系统在复杂交通环境中的决策能力是学术界和工业界关注的焦点。近年来，大型语言模型（LLMs）和大型多模态模型（LMMs）的兴起为场景理解与高层规划提供了新的技术路径。然而，现有研究普遍存在一个关键缺陷：将时间视为次要属性，而非推理的核心维度。这种时序grounding的缺失导致模型在处理连续动作时产生逻辑不一致，既影响安全性，也降低了系统的可解释性。例如，当模型需要理解"前方车辆正在减速"这一动态过程时，缺乏时间感知的推理往往只能给出静态的、孤立的判断，而无法建立起动作随时间演化的完整认知链条。

本研究的核心假设是：在多智能体通信中引入时间条件（temporal conditioning），可以在不损害语义或逻辑一致性的前提下，提升推理的连贯性。为验证这一假设，研究团队设计了三种植入器（planner）架构，分别代表不同程度的时序集成：1. 基线架构（Baseline）：不包含显式的时间建模；2. 中等时序集成架构：在智能体间通信中引入时间戳信息；3. 深度时序集成架构（Sentinel）：fully temporal-aware设计，将时间作为推理的一等公民。

研究团队选择BDD-X数据集作为实验基础。BDD-X（Berkeley DeepDrive eXplanation）是广泛用于自动驾驶研究的数据集，包含丰富的驾驶场景视频和对应的行为描述。研究人员从该数据集中精心筛选了子集，确保实验数据具有代表性且覆盖多种驾驶场景。评估指标涵盖三个维度：语义指标（评估生成计划的内容合理性和场景相关性）、句法指标（检验输出结构的规范性和一致性）、逻辑指标（验证推理链条的严密性和因果关系的正确性）。

定量结果：时序条件改变推理风格，但在标准NLP正确性指标上并未带来统计显著的改善，说明单纯通过提示工程引入时间信息不能直接转化为更高的任务完成准确率。定性分析：Sentinel架构（深度时序集成）展现出三个关键优势：预测性危险推理（预判风险演化轨迹并提前规划规避策略）、稳定的纠正行为（环境变化时决策调整平稳连贯，避免决策抖动）、策略性分歧（识别多种未来路径，展现预案思维）。

研究意义：首次系统性量化提示式时序grounding的能力边界，指出提示工程的局限性、架构设计的重要性、评估指标需优化（标准NLP指标无法完全捕捉时序推理质量）。局限：实验数据规模相对有限且集中于BDD-X数据集；Sentinel架构计算开销较高，可能影响实时部署可行性。

未来工作可从以下方面深入：架构层面的时序建模（探索模型架构层面集成时间感知机制）、多模态时序融合（结合视觉、激光雷达等多源传感器数据构建鲁棒时序表示）、实时性能优化（降低计算复杂度满足车载系统实时性要求）、标准化评估体系（建立专门针对时序场景规划的评估基准）。

时间感知是自动驾驶场景规划中的核心挑战。本研究通过严谨实验设计，首次量化提示式时序grounding的效果边界，发现虽然时序条件能改变推理风格，但难以通过简单提示工程实现实质性性能提升。Sentinel架构在定性分析中展现的预测性推理和稳定决策能力，为未来架构创新提供重要启示。模型层面真正实现时间感知，是该领域需持续探索的关键课题。