C-TRAIL：自动驾驶轨迹规划的常识世界框架
人工智能
2026-04-09 v1
摘要
自动驾驶的轨迹规划日益利用大型语言模型(LLM)进行常识推理，然而LLM的输出本质上不可靠，在安全关键应用中构成风险。我们提出了C-TRAIL，一个构建在常识世界之上的框架，该框架将LLM衍生的常识与信任机制相结合以指导轨迹规划。C-TRAIL通过闭环的回忆、规划和更新循环运行：回忆模块查询LLM获取语义关系，并通过双重信任机制量化其可靠性；规划模块通过Dirichlet信任策略将信任加权的常识注入蒙特卡洛树搜索(MCTS)；更新模块根据环境反馈自适应地优化信任分数和策略参数。在Highway-env中的四个模拟场景和两个真实世界levelXData数据集(highD, rounD)上的实验表明，C-TRAIL持续优于最先进的基线，平均将ADE降低40.2%，FDE降低51.7%，并将SR提高16.9个百分点。源代码可在https://github.com/ZhihongCui/CTRAIL获取。
引用
@article{arxiv.2603.29908,
title = {C-TRAIL: A Commonsense World Framework for Trajectory Planning in Autonomous Driving},
author = {Zhihong Cui and Haoran Tang and Tianyi Li and Yushuai Li and Peiyuan Guan and Amir Taherkordi and Tor Skeie},
journal= {arXiv preprint arXiv:2603.29908},
year = {2026}
}