读论文-ASSCG:给自动驾驶快慢双系统装上“智能开关”
论文：ASSCG: Just-Right Gating over Chattering for Fast-Slow LLM Planning in Autonomous DrivingarXiv：2606.25509（ECCV 2026 接收）单位：清华 AIR / 中科大自动化系 / 北航 / 联想集团项目页：williamxuanyu.github.io/asscg摘要
现有自动驾驶快慢双系统（快=实时规划器每帧跑，慢=LLM/VLA 低频给高层指导）的调度大多靠固定间隔或人工规则（场景复杂度估计、难度阈值等），结果是要么在简单路段浪费 LLM 调用，要么在复杂路段漏调，甚至慢系统在"失效区间"给出幻觉建议反而拖累规划。ASSCG（Adaptive Slow-System Control Gate）把"何时调慢系统"建模成资源受限的序贯决策问题，每帧输出三档动作——Query（调慢系统刷新缓存）/ Cache（复用上次指导）/ Drop（丢弃慢指导，避免帮倒忙），RWKV 做骨干（线性复杂度，适合长序列在线决策），先 SFT 模仿最优固定策略，再做 GRPO 风格的计算感知强化微调，把"调用成本"写进 reward。nuPlan Hard20 上 AsyncDriver 分数 65.00→67.28，端到端延迟 0.80→0.32 秒/帧（降约 60%）；NAVSIM 上 RecogDrive 双系统 PDMS91.4（+0.6），平均速度提升约 25%。一、动机：快慢调度为什么一直是拍脑袋
快慢双系统这几年各家都在做（GameFormer 异步、VLMPlanner、扩散双分支等），但"慢系统多久调一次、什么时候调"基本两种解法：固定频率：每 N 帧调一次，或某些场景类别下调得密一点。问题是简单路段浪费、复杂路段不够，且同一场景内部的时间动态被忽略了。启发式触发：用规则估场景复杂度，复杂就调。但 VLMPlanner 那篇自己验过——各种规则门控在最终分数上都打不过"每帧都调"的基线，最好的效率-精度折衷来自一个 learned complexity gate，分数仍略降。作者在大量驾驶片段里观察到一个更细的现象，引出三个区间概念（论文自己的定义）：EI（Equivalent Interval，等价区间）：慢系统指导在后续若干帧保持稳定，重复查询冗余；EfI（Effective Interval，有效区间）：慢指导真正被利用、起效的段；FI（Failure Interval，失效区间）：慢系统因误判距离/遮挡产生幻觉，此时介入反而有害。问题从"这帧难不难"变成了"这帧慢指导是在 EfI 还是 FI"——这是 ASSCG 的切入角度。二、三档门控：Query / Cache / Drop
ASSCG 是架构无关的——只假设有 fast 分支 + 可选 slow 分支 + 缓存的指导表示，不挑底层规划器也不挑大模型种类。当前场景编码：Attention Pool 提的快系统侧场景特征；缓存相似度：当前场景编码和缓存里上次慢指导的余弦相似度（衡量"上次指导还管不管用"）；Query：调慢系统，刷新缓存（对应 EfI 到来或缓存已失效）；Cache：不调，继续用上次慢指导（对应 EI）；Drop：不调，且把慢指导置零向量（对应 FI，慢系统在帮倒忙，干脆屏蔽）。选 RWKV 而非 Transformer 的原因很务实：驾驶场景一跑几百帧，RWKV 状态维护 O(1)、推理延迟线性，门控本身不能成为新的瓶颈——这点对车载部署很关键。三、两段训练
第一阶段 SFT：用"性能最优的固定调度策略"的轨迹当伪标签，监督微调门控，拿到一个能用的初始策略。第二阶段 GRPO-style RL：把"调用成本"显式写进 reward，直接优化闭环驾驶指标（TTC、舒适度、碰撞率、通行效率）。相当于让门控学会"精打细算"——该花的花（复杂博弈、失效前兆），该省的省（直线巡航、缓存还稳），该砍的砍（慢系统 hallucinate 时）。四、实验要点
nuPlan Hard20 闭环（AsyncDriver 基线）：平均端到端延迟：0.80 →0.32 秒/帧，降约60%；论文里给了一个直观案例：直线行驶段 ASSCG 只在第 0、22、89 帧调了慢系统（基线每帧都调），结果没掉链子，反而避了一次碰撞——"少即是多"。NAVSIM（RecogDrive 改的双系统：ViT 快规划 + LLM 慢规划）：平均速度提升约25%（慢系统不再在简单段拖节奏，快系统敢走）。泛化性：论文在 GameFormer 异步系统、扩散双分支系统上都嵌了一遍，都能涨——"架构无关"不是口号。五、对国内落地的参照
ASSCG 的产业味比学术味重，几个点主机厂和 Tier1 会感兴趣："架构无关"这四个字值钱：不绑规划器、不绑大模型（LLaVA/LLM/VLM 都能挂），意味着可以当成一个通用中间件卖，联想车计算挂这个名字很顺——他们本来就是做计算平台的。RWKV 选得巧：车载芯片上 Transformer 每帧门控都跑不满，RWKV 线性复杂度 + O(1) 状态，门控本身 0.32 秒那档延迟里占的份额极小，符合车规"不能因为加了调度反而更慢"的硬约束。GRPO 把调用成本写进 reward这条路，后面各家快慢系统论文估计会跟——单纯"SFT 模仿最优固定策略"是不够的，因为"最优固定策略"本身就不是全局最优，必须让门控自己在闭环指标上学会"省"。对照看小米 DriveVA / 小鹏 X-Foresight / 理想 SGDrive 那几条快慢线，目前公开的还都是"固定频率慢系统 + 偶尔 CoT"的路子，门控这块没见系统化答。ASSCG 给的是一个可插拔的参考答案，联想车计算 + 清华 AIR 这组下一步大概率会往车规平台上做 demo
10个月宝宝每天需要喝多少奶粉？
