来了来了！GPT-4V大模型在自动驾驶真实场景下的评测

点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

今天自动驾驶之心为大家分享GPT-4V大模型在自动驾驶真实场景下的评测，GPT-4V在场景理解和因果推理方面表现卓越，具备处理分布外场景、识别意图、在真实驾驶环境中做出明智决策的潜力，开启了自动驾驶的新篇章。

如果您有相关工作需要分享，请在文末联系我们！

>>点击进入→自动驾驶之心【大模型】技术交流群

论文作者 | 上海AI Lab等

编辑 | 自动驾驶之心

🚀GPT-4V自动驾驶深度评测首发！

导读

随着GPT-4V(ision)的爆火，它在自动驾驶场景中的表现如何，吸引了全球科技界的广泛关注。本技术报告全面评估了最新的GPT-4V模型，深入探索了其在自动驾驶场景中的理解、推理，以及最终作为驾驶员的决策能力。报告发现，GPT-4V在场景理解和因果推理方面表现卓越，具备处理分布外场景、识别意图、在真实驾驶环境中做出明智决策的潜力，开启了自动驾驶的新篇章。本技术报告的作者来自：上海AI Lab，GigaAI，华东师大，港中文和文远知行。

Title: On the Road with GPT-4V(ision): Early Explorations of Visual-Language Model on Autonomous Driving
Arxiv: https://arxiv.org/abs/2311.05332

Github: https://github.com/PJLab-ADG/GPT4V-AD-Exploration

---

1. 动机与概述

自动驾驶的发展瓶颈在于对复杂驾驶环境及其他道路使用者意图的准确理解。GPT-4V，作为革命性的视觉语言模型（VLM），开辟了自动驾驶技术的新视野。本报告对GPT-4V在场景理解、因果推理和实时决策制定方面的能力进行了全面测试，旨在探索其作为自动驾驶领域里程碑式的基石的潜力。该报告期待这些新见解能为自动驾驶社区带来启发。

2. 测试结果

2.1 环境理解

GPT-4V在理解不同时间段的交通场景、不同天气条件下的环境特征方面展现了高度的准确性和适应性。

白天和夜晚的交通场景理解示例

交通信号灯和标志识别示例

2.2 交通参与者理解

GPT-4V可以理解交通参与者的状态和行为，展示了其多模态语义理解能力。

交通参与者状态和行为理解示例

2.3 高级推理能力

GPT-4V对复杂场景的深度理解和推理能力，为自动驾驶的决策制定提供了坚实的支持。

复杂场景推理示例

环视图提供示例

时间序列理解示例

2.4 作为驾驶员

作为驾驶员，GPT-4V能够基于环境和车速信息，制定行动并提供解释，体现了其在实际驾驶情景中的应用潜力。

驾驶情景决策制定示例

实际驾驶场景中的应用示例

3. 结论与展望

GPT-4V在自动驾驶领域显示出了其在场景理解和因果推理方面的独特优势。在此基础上，我们也发现了一些需要进一步改进的方面：

3.1 表现突出的方面

• 场景理解: GPT-4V能成功理解不同时间和天气条件下的城市街道场景。

• 多视角图像处理: 可以实现对环境的完整感知。

• 时间序列推理: 展现了在处理时间相关事件的能力，能够识别交通参与者之间的动态交互。

3.2 需要改进的方面

• 交通灯识别: 需要提高在交通灯识别准确性，确保安全。

• 视觉定位: 在复杂环境中的应用还需进一步优化。

• 空间推理: 对空间关系和三维环境的理解有待提升。

报告认为，GPT-4V的出现，预示着未来更智能、更安全的自动驾驶解决方案的到来。随着技术的持续发展，我们期待以GPT-4V为代表的VLM在未来的自动驾驶领域中能够扮演更加重要的角色。

---

① 全网独家视频课程

BEV感知、毫米波雷达视觉融合、多传感器标定、多传感器融合、多模态3D目标检测、点云3D目标检测、目标跟踪、Occupancy、cuda与TensorRT模型部署、协同感知、语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频（扫码即可学习）

视频官网：www.zdjszx.com

② 国内首个自动驾驶学习社区

近2000人的交流社区，涉及30+自动驾驶技术栈学习路线，想要了解更多自动驾驶感知（2D检测、分割、2D/3D车道线、BEV感知、3D目标检测、Occupancy、多传感器融合、多传感器标定、目标跟踪、光流估计）、自动驾驶定位建图（SLAM、高精地图、局部在线地图）、自动驾驶规划控制/轨迹预测等领域技术方案、AI模型部署落地实战、行业动态、岗位发布，欢迎扫描下方二维码，加入自动驾驶之心知识星球，这是一个真正有干货的地方，与领域大佬交流入门、学习、工作、跳槽上的各类难题，日常分享论文+代码+视频，期待交流！

③【自动驾驶之心】技术交流群

自动驾驶之心是首个自动驾驶开发者社区，聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多模态感知、Occupancy、多传感器融合、transformer、大模型、点云处理、端到端自动驾驶、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流等方向。扫码添加汽车人助理微信邀请入群，备注：学校/公司+方向+昵称（快速入群方式）

④【自动驾驶之心】平台矩阵，欢迎联系我们！