标签
本文针对交互驾驶中的贝叶斯劝导问题，提出了一种结构化强化学习框架。在该框架中，领航车辆通过选择性披露交通信息来引导网联车辆。该方法引入了MAPL和SQP算法，相比现有方法实现了30%的成本效率提升。
CARVE-Q 引入了一个量子AI搜索层，用于经过认证的交互式驾驶修复，在修复格上使用量子最小值查找，同时保持安全权威的经典性。它为被否决的机动提供结构化证书，在 INTERACTION 重放场景中实现了100%的路权尊重和责任一致性。
CARVE是一个用于自动驾驶的认证框架，为多智能体修复提供运行时证明，在INTERACTION回放场景中接受98.64%的初始否决操作，且无需预测其他驾驶员的合规性。