RECTOR：面向合规自主驾驶轨迹选择的优先级感知规则化排序

自主驾驶堆栈必须从多模态候选轨迹集合中选择一条轨迹；仅凭模型置信度选择会忽略安全、交通法规和舒适性约束。我们提出了 RECTOR（Rule-Enforced Constrained Trajectory Orchestrator），这是一种后生成的排序层，通过可微分代理和场景条件适用性机制对候选方案进行评分，以分层规则书（Safety~$\succ$~Legal~$\succ$~Road~$\succ$~Comfort）进行评估，然后通过确定性 $\varepsilon$-lexicographic 规则选择，以构建性地保持跨层级优先级——无需重新训练预测器。在 Waymo Open Motion Dataset $\texttt{validation\_interactive}$ 划分（43,219 个增强实例，$K{=}6$）上，遵循 Protocol~B（28 规则代理目录，oracle 适用性）规则感知选择将 Safety+Legal 违规从 28.58% 降至 20.42%，Total 从 40.32% 降至 32.41%，相对于仅凭置信度选择。均匀权重加权求和基线在此基准上实现二元合规匹配——实际提升来自规则感知排序，而 lexicographic 保证是无权重校准无法复制的结构性差异。在对抗性置信度损坏下，仅凭置信度的选择在 100% 的场景中失败，而两种规则感知选择器均在约 96% 的场景中拒绝注入的模式。所有图表均为代理评估器结果（非安全证书），开环、5 秒时域、美国规则、验证划分。