Clarity-Aware风险自适应MPC：交互式驾驶中何时探测何时行动

论文提出统一的信念空间模型预测控制（MPC）框架，将多步信息规划与清晰度自适应的条件风险价值（CVaR）屏障机制耦合，把清晰度作为显式规划变量，使控制器在高模糊时收紧保守性、随置信度提升放宽约束，以缓解预测与规划解耦带来的“冻结机器人问题”。作者还给出性能分析，表明信息获取成本以及相对于已知真实人类特性的控制器的期望规划成本差距，受残余模糊度与求解器误差约束。在车道汇入和无信号交叉口场景中，与代表性交互式规划基线对比，5,000次仿真里该方法取得最高成功率（94.6%和93.2%）和最低碰撞率（1.2%和1.4%）。论文为预印本，8页，已投稿ICRA 2027，结果均来自仿真。