SlackDrive：依据运行时余量分配驾驶推理预算

驾驶世界-动作模型通过将多模态推理与未来预测耦合来改进规划，但其不断增长的推理成本与车辆控制的实时时延要求日益冲突。现有加速方法通过部署前选定的策略削减token、层或采样步数，但在共享车载算力上完成离线剖析与静态调度之后，剩余的运行时波动基本未被利用。我们观察到，最大可容许的计算预算随剩余运行时状态系统性变化，而最近实际实现的时延为可用计算余量提供了直接信号。受此启发，我们提出SlackDrive，一个推理前的计算分配器，它在模型执行前复用已实现的时延来选择每个控制步的计算预算。SlackDrive只需一次性剖析一个小型离散预算集合的时延与规划效用，从已完成的forward中在线估计计算状态，并选择预测仍处于可容许时延包络内的最高效用预算，在保留驾驶骨干及其计算执行器的同时补充现有的剖析与资源调度。在NAVSIM v2上配合DriveDreamer-Policy，在严格的时延约束下，SlackDrive将时延受限EPDMS较最强基线提升21.7%，而全预算模型与预配置的token剪枝基线在运行时争用下会超出可容许时延包络。