针对当前自动驾驶系统缺乏持续学习和可解释性问题。提出具有认知、泛化和学习能力的决策模型,利用大语言模型(large language model,LLM)、注意力机制理解和解释驾驶场景,通过模拟人类驾驶行为和决策过程,实现对驾驶经验的积累和学习...针对当前自动驾驶系统缺乏持续学习和可解释性问题。提出具有认知、泛化和学习能力的决策模型,利用大语言模型(large language model,LLM)、注意力机制理解和解释驾驶场景,通过模拟人类驾驶行为和决策过程,实现对驾驶经验的积累和学习并根据驾驶经验不断提升决策能力。在仿真环境中闭环测试决策模型在高速场景的应用,仿真结果表明:知识驱动模型决策成功率比规则和数据学习方法提高了7%和4%,具备泛化和可解释能力,提高了自动驾驶系统的可信度和安全性。展开更多
文摘针对当前自动驾驶系统缺乏持续学习和可解释性问题。提出具有认知、泛化和学习能力的决策模型,利用大语言模型(large language model,LLM)、注意力机制理解和解释驾驶场景,通过模拟人类驾驶行为和决策过程,实现对驾驶经验的积累和学习并根据驾驶经验不断提升决策能力。在仿真环境中闭环测试决策模型在高速场景的应用,仿真结果表明:知识驱动模型决策成功率比规则和数据学习方法提高了7%和4%,具备泛化和可解释能力,提高了自动驾驶系统的可信度和安全性。
