本文探讨了如何利用大型语言模型（LLM）增强自动驾驶（AD）系统的安全性和性能，通过将其作为行为规划器和交互式决策者，结合安全验证器，以应对长尾场景和不确定性。案例研究表明，LLM的集成可以有效提升AD的安全性和效率。
本文是LLM系列文章，针对《Empowering Autonomous Driving with Large Language Models: A Safety Perspective》的翻译。
从安全角度看用大型语言模型实现自动驾驶
摘要
自动驾驶（AD）在商业推出方面面临着关键的障碍，尤其是由于长尾不可预见的驾驶场景，公众信任和安全问题减弱。这种困境是由于AD软件中深度神经网络的局限性造成的，深度神经网络难以解释，在分布外和不确定的场景中表现出较差的泛化能力。为此，本文探讨了将大型语言模型（LLM）集成到AD系统中，利用其强大的常识知识、推理能力和人机交互能力。所提出的方法将LLM部署为规划的智能决策者，结合上下文安全学习的安全验证器，以提高AD的整体性能和安全性。我们提出了两个案例研究来确认我们的方法的有效性。我们进一步讨论了LLM在其他AD软件组件中的潜在用途，包括感知、预测和模拟。尽管在案例研究中观察到了挑战，但整合LLM对加强AD的安全性和性能是有希望和有益的。
已下架不支持订阅
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
