ASSCG：自动驾驶中快慢 LLM 规划的正确门控

大语言模型（LLM）可以改进自动驾驶规划，但在线查询成本高昂，并且现有的快慢规划器通常依赖于手工设计的触发规则，这些规则要么过度调用慢速系统，要么在错误的时间调用。我们将慢速系统调用表述为资源感知顺序决策问题，并提出自适应慢速系统控制门（ASSCG），它使帧级查询/缓存/丢弃决策来刷新、重用或抑制慢速指导。 ASSCG 使用 RWKV 主干来实现高效的长视野门控，并使用受监督的 微调 进行训练，然后使用 GRPO 式计算感知强化 微调 进行训练。我们将 ASSCG 应用于两种不同的快慢架构：(i) nuPlan Hard20 闭环评估上的 AsyncDriver，其中 ASSCG 将分数提高到 67.28 (+2.28)，同时将平均端到端推理延迟降低了 60%； (ii) 基于 RecogDrive 的双系统，我们通过用基于 ViT 的轻量级快速规划器替换其原始 VLM-2B 模块并添加 LLM 慢速规划器来构建，在 NAVSIM 上进行评估，其中 ASSCG 实现了 91.4 PDMS (+0.6) 并将平均速度提高了 25%。项目页面（包括视频可视化和其他结果）可在 https://williamxuanyu.github.io/asscg/ 上获取。