Conceitos essenciais
LLMsを自動車に統合して、安全性向上と性能向上を実証する。
Resumo
自動運転の現在の主流は知覚、予測、計画、制御モジュールで構成されている。
LLMsはADシステム内のDNNの非解釈性と一般化不足からくる安全上の課題に対処するために探求されている。
LLMsは行動計画で知識と推論能力を活用し、運転パフォーマンスと安全性を向上させる。
LLMsは挙動レベルの意思決定者として機能し、他のエージェントの意図や攻撃性を評価するために相互作用する。
安全保証付きMPCなど、LLMsがADソフトウェアパイプライン内でどのように使用されるかが示されている。
自己運転技術へのLLMs統合
DNN非解釈性と一般化不足からくる安全上の課題への対応が必要。
LLMsは共通感覚知識と推論能力を活用して行動計画で優れたパフォーマンスと安全性を示す可能性がある。
関連研究
LLMs(例:GPT-3)はADへの統合で注目されており、自動運転車両の理解力や能力向上に貢献している。
安全保障付きMPCによるLLM条件付きトラジェクトリプランニング
LLMが挙動プランナーとして機能し、低レベルMPC用にシーンテキスト記述を提供し、レーン変更などを決定する。
MPC問題1よりも問題2が容易であり、LLM条件付きMPCは混合整数非線形プログラミング問題であることが示唆されている。
インタラクティブな挙動予測および状態マシンに基づくLLM行動計画
状態マシン設計や挙動予測モジュールなどが連続的な判断プロセスで重要な役割を果たすことが示されている。
リフレクションモジュールは厳格な制約条件下で判断プロセスを監視し、学習中にフィードバック提供する。
Estatísticas
"Collision will happen with high probability if lane change to right" 50.11秒後に衝突リスク低下
Citações
"The verifier is happy with the current driving proposals."
"by analyzing the history, the car on the right lane is driving defensively"
"With new data, the car on the right lane is driving more aggressively than I originally thought"