CARVE：通过包络实现交互式驾驶中被否决机动的认证可负担修复
CARVE是一种无预测的证书层，用于交互式驾驶中，当硬规则边界为负时，通过识别多智能体编辑来修复被否决的机动。它在589个INTERACTION回放片段上接受了98.64%的被否决机动，并恢复了370/378个人类假否决，同时保持零优先级代理误报和400/400的负应力否决。CARVE不依赖预测，而是证明交互的有界性、可归因性和规范性。
近年来，自动驾驶汽车的规则安全验证取得了显著进展，但交互式驾驶场景仍然存在一个容易被忽视的失败模式：当自我车辆的硬规则边界为负时，即使其他非优先代理的小幅合法调整就能恢复可行性，现有方法要么简单否决，要么基于预测建模，但均无法提供运行时证明对象来明确修复的边界、责任归属、请求的通行权可负担性以及未观察请求时的回退策略。
针对这一空白，来自卡内基梅隆大学等机构的研究人员提出了CARVE（Certified Affordable Repair of Vetoed Maneuvers via Envelopes）——一种无预测的证书层，运行在由自我代理和他人代理的战术算子组成的有限格上。CARVE的核心概念是合作包络（cooperation envelope），形式化为 \(B_j(s) = \beta(\pi_j)\alpha_j^{\max}(s)\)，它将运动学可达性与规范优先权分离，只有在此包络内的代理请求才被视为可接受。
CARVE生成的证书记录了绑定规则、修复类别（例如微小调整或较大让步）、修复集、基于责任加权的成本分割以及回退策略。研究者在基于Lanelet2几何的真实INTERACTION数据集上进行了评估，包含589个重放片段。实验结果显示，CARVE-Greedy方法接受了98.64%的初始被否决机动，并成功恢复了370个（共378个）由人类标注的假否决，同时保持了589/589的通行权尊重、零优先级代理误报以及400/400的负应力否决正确维持。
理论上，CARVE证明了证书的可靠性、结构性的通行权尊重、有限格上的精确最小性、回退偶发性以及责任一致性条件。与依赖预测的方法不同，CARVE不预测其他驾驶员的合规行为，也不要求对方配合；它仅认证在声明假设下，提议的交互是否有界、可归因且规范允许。这项工作为交互式驾驶的安全验证提供了一种全新的、可证明的解决方案，有望在未来自动驾驶堆栈中作为轻量级运行时监视器集成。