C-CoT：利用视觉 - 语言模型进行反事实思维链以实现安全自动驾驶

针对复杂环境中安全关键规划的挑战，本文提出反事实思维链（C-CoT）框架。该方法利用视觉 - 语言模型将驾驶决策分解为五个阶段，特别引入结构化元动作评估树进行反事实风险推理，显式评估替代行动组合的潜在后果。通过建立行动选择与安全结果间的因果联系，显著提升了长尾及分布外场景下的鲁棒性。实验表明，该模型在风险预测召回率、碰撞率降低及轨迹误差方面均取得优异表现，验证了反事实推理对安全性与可解释性的关键作用。