CARVE-Q：量子提议、经典认证的交互式驾驶修复

CARVE-Q论文由Yifan Wang等人于2026年6月3日提交至arXiv，提出了一种创新的量子-AI混合架构，用于解决自动驾驶中一个关键问题：当系统正确否决一个机动动作后，不仅需要判断其是否安全，还需要提供一个合法、可审计且责任有限的修复方案。传统的预测和博弈论规划器虽然能建议合理的合作，但无法提供证明该修复尊重硬性规则、路权、成本分配和自车退路的证书。

研究人员首先提出了CARVE（Certified Affordable Repair of Vetoed maneuvers via Envelopes），一种无预测的交互式修复证书架构。给定一个被否决的机动，CARVE会构建一个有限的修复格，并生成结构化证书，记录绑定规则、选定的联合修复、按路权缩放的合作包络、按责任加权的成本分配以及仅自车的退路方案。然而，这种证书视图揭示了算法的瓶颈：多所有者修复会导致一个乘积格，其大小为M = ∏_j |A_j|，指数级增长。

为了克服这一挑战，研究团队进一步提出了CARVE-Q，一种验证器屏蔽的量子-AI搜索层。该层仅将量子最小搜索应用于黑盒格，同时将所有安全认证权保留在经典域中。在保守的验证器-预言机模型中，经典精确最小搜索在最坏情况下需要Θ(M)次查询，而Durr-Hoyer/Grover最小搜索在大概率下仅需O(√M)次预言机查询。CARVE-Q证明了验证器屏蔽证书的正确性、优先级非泄露、黑盒查询分离以及有限精度可逆预言机的可构造性。

实验部分展示了在最多65,536个分配的CARVE修复预言机上进行状态向量最小搜索的结果，并在基于Lanelet2的INTERACTION回放中验证了证书保留，实现了100%的路权尊重、100%的责任一致性和零优先级误报。这一成果为认证自主驾驶提供了一种信任受限的量子-AI模式：量子提出候选修复，CARVE进行认证。论文共9页含3幅图，后续可期在更大规模场景中的扩展应用。