【自动驾驶轨迹规划之大模型】

已于 2024-08-04 18:15:22 修改
阅读量4.5k 收藏 1
点赞数 1
分类专栏： 自动驾驶轨迹规划算法 文章标签： 人工智能 自动驾驶 算法
于 2024-03-27 21:55:08 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_65089713/article/details/137073787
版权
本文探讨了将大型语言模型（LLM）应用于自动驾驶决策的背景、方法和研究现状。通过思维链框架和注意力分配，LLM能处理复杂场景，提供高级决策并转化为驾驶指令，以解决传统方法中的corner case和长尾问题，增强系统的可解释性和安全性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

了解本专栏 订阅专栏 解锁全文 超级会员免费看
自动驾驶新篇章：基于大模型的协作驾驶与终身学习框架
人工智能讲师分享前沿技术
07-01 1282
自动驾驶技术受到了学术界和工业界的广泛关注，但当前的自动驾驶系统大多基于数据驱动的方法，存在可解释性、泛化能力和持续学习能力方面的显著不足。而且单车自动驾驶系统缺乏与其他车辆协作和协商的能力，这对于提高驾驶安全性和效率至关重要。为了有效解决这些问题，本研究利用大型语言模型（LLMs）开发了一种新的框架——AGENTSCODRIVER，相较于传统依赖数据驱动的方法，AGENTSCODRIVER能够实现多车之间的协同驾驶，通过车辆间的沟通与协作，提高交通效率和安全性。
大模型系列 | 自动驾驶大模型
最新发布
CV_Autobot的博客
11-20 1122
作者|Vision编辑| 自动驾驶之心原文链接：https://zhuanlan.zhihu.com/p/675535449点击下方卡片，关注“自动驾驶之心”公众号戳我-> 领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心『大语言模型』技术交流群本文只做学术分享，如有侵权，联系删文前言按照之前Vision：大模型系列00 - 前言 规划，带来第5篇文章-大模型在...
BEVGPT: 自动驾驶预测、决策和规划的生成式预训练大模型
yorkhunter的博客
06-23 888
23年10月16日来自香港科技大学、同济大学和华盛顿大学的论文“BEVGPT: Generative Pre-trained Large Model for Autonomous Driving Prediction, Decision-Making, and Planning“。
清华&港大提出LanguageMPC：将大语言模型和MPC相结合的新型类人智驾系统
阿木寺的博客
10-09 1175
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>【自动驾驶和Transformer】交流群作者：穆尧（源：知乎，已授权）| 编辑：CVer公众号https://zhuanlan.zhihu.com/p/659675174在CVer微信公众号后台回复：MPC，可以下载本论文pdf，学起来！面对复杂多变的交通场景，基于学习的方法已成为了实现高级别自动驾驶系统的主流...
2024年最新大模型落地路线图研究报告，收藏这一篇就够了！
bagell的博客
10-24 983
报告从现状诊断、能力建设、应用部署、运营管理四个阶段着手，围绕基础设施、数据资源、算法模型、应用服务、安全可信五个层面全方位分析大模型在落地过程中的关键问题与解决思路，探索适合大模型的最佳落地路线。近年来，大模型技术能力不断创出新高，产业应用持续走深向实，显著加快人工智能通用化、实用化、普惠化发展进程。大模型兼具理论研究和产业应用双重价值，已成为当前科技前瞻布局和创新研发的焦点，受到国际社会高度关注。
2024自动驾驶(多模态)大模型综述：从DriveGPT4、DriveMLM到DriveVLM、DriveMM
热门推荐
结构之法 算法之道
08-12 1万+
​ 本文主要涉及以下4篇paper的解读(按发表的时间顺序排列) DriveGPT4: Interpretable End-to-end Autonomous Driving via Large Language Model DriveMLM: Aligning Multi-Modal Large Language Models with Behavioral Planning States for Autonomous Driving DriveLM: Driving with Graph Visual
【论文阅读】LANGUAGEMPC: LARGE LANGUAGE MODELS AS DECISION MAKERS FOR AUTONOMOUS DRIVING
技术宅学长的博客
11-13 566
现有的基于学习的自动驾驶(AD)系统在理解高级信息、泛化到罕见事件以及提供可解释性方面面临挑战。为了解决这些问题，这项工作采用大型语言模型(llm)作为需要人类常识理解的复杂AD场景的决策组件。我们设计了认知途径来实现LLM的综合推理，并开发了将LLM决策转化为可操作的驾驶命令的算法。通过这种方法，LLM决策通过引导参数矩阵自适应与底层控制器无缝集成。大量的实验表明，由于LLM的常识推理能力，我们提出的方法不仅在单车辆任务中始终优于基线方法，而且还有助于处理复杂的驾驶行为，甚至多车辆协调。
自动驾驶车辆的换道轨迹规划与跟踪控制
02-22
针对五次多项式换道法仅在初始时刻规划换道轨迹的问题，本文结合行驶环境边 界条件，建立五次多项式换道轨迹模型。将换道轨迹规划解耦成横、纵向轨迹规划。 综合考虑换道性能指标，建立横向轨迹优化模型。 （3）自动...
自动驾驶汽车避障轨迹规划与跟踪控制研究
03-05
针对规划安全性和控制鲁棒性等问题， 进行自动驾驶汽车结构化道路避障轨迹规划及轨迹跟踪控制算法研究， 能够有效提高自动驾驶汽车的避障系统性能。 本文具体研究内容包括以下几个方面： (1)局部避障轨迹规划。 (2)...
基于模型预测的自动驾驶汽车轨迹追踪,基于模型预测控制的无人驾驶,matlab
09-10
自动驾驶汽车技术是现代汽车行业的重要研究领域，而基于模型预测的轨迹追踪是实现这一目标的关键技术之一。本主题将深入探讨如何使用MATLAB工具，特别是Simulink环境，来设计和实施这种高级控制系统。 首先，我们要...
基于模型预测控制的自动驾驶车辆轨迹跟踪研究
09-23
本文以无人车为研究对象，基于模型预测控制算法对自动驾驶车辆的轨迹跟踪和局部避撞进行研究。 针对无人车在跟踪复杂、不单一的参考轨迹且轨迹上不存在障碍物时会出现跟踪精度和稳定性下降的问题，本文提出了一种将...
[GPT读论文]LANGUAGEMPC: LARGE LANGUAGE MODELS AS DECISION MAKERS FOR AUTONOMOUS DRIVING
技术宅学长的博客
11-16 344
这篇论文的标题是《LanguageMPC: 使用大型语言模型作为自动驾驶决策制定者》，它提出了一种新的方法，使用大型语言模型（LLMs）作为自动驾驶（AD）系统中的决策制定组件，特别是在需要人类常识理解的复杂驾驶场景中【63†source】。
CVPR2023 Best Paper！首个感知决策一体化自动驾驶通用大模型，恭喜商汤联合团队！...
CV_Autobot的博客
06-23 1613
编辑|新智元点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【全栈算法】技术交流群【导读】CVPR 2023正式公布最佳论文等重磅奖项。来自上海人工智能实验室、武汉大学、商汤科技团队联合发表论文Planning-oriented Autonomous Driving（以路径规划为导向的自动驾驶）实现自动驾驶技术的重要突破，获CVPR最佳论文。一年一度的C...
一文了解“端到端”自动驾驶模型
qq_22751305的博客
08-05 1万+
对于华为、小鹏等国内玩家而言，大家普遍尚处于感知“端到端”、决策规划模型化阶段。参考特斯拉在2021和2022年年底的AI Day上分别公布了BEV和Occupancy Network的技术架构，“端到端”是深度学习中的概念，英文为“End-to-End（E2E）”，指的是一个AI模型，只要输入原始数据就可以输出最终结果。应用到自动驾驶领域，意味着只需要一个模型，就能把摄像头、毫米波雷达、激光雷达等传感器收集到的感知信息，转换成车辆方向盘的转动角度、加速踏板的踩踏深度以及制动的力度等具体操作指令，让汽车实现
端到端感知决策大模型能够真正实现无人驾驶？深度详解大模型与自动驾驶发展路径
auto_mooc的博客
02-26 7826
大模型又被称为基础模型（foudation model），是指具有大规模参数、使用海量数据训练的大型神经网络模型。之所以被称为foundation model，是因为它们可以作为许多下游任务的起点，通过微调来适应特定的应用。简单的说，可以将大模型理解为一个基础，通过不同的训练数据，可以应用于不同的场景。现有大模型多以Transformer架构为基础，采用预训练+微调技术进行参数学习，使之适配不同领域的具体任务，经剪枝压缩后完成最终部署。预训练：是指在大规模没有标注的数据集上进行无监督或自监督的学习。
自动驾驶将驶向何方？大模型（World Models）自动驾驶综述
自动驾驶实战
08-02 1772
自动驾驶系统的开发是一个技术与哲学的双重挑战，核心在于模拟人类的直觉推理和常识。尽管机器学习在模式识别上取得了进展，但在复杂情境下仍存在局限。人类决策基于感官感知，但能预见行动结果和预判变化，这是机器难以复制的。世界模型是解决这一差距的关键，它模仿人类的感知和决策，使系统能预测和适应环境。这一概念从70年代的控制理论发展而来，与模型预测控制（MPC）紧密相关，并受到心理模型理论的支持。神经网络的发展，尤其是循环神经网络（RNN），为动态系统建模提供了新深度，促进了对环境交互的理解。
基于模型预测(MPC)的四轮转向车辆轨迹规划（Matlab代码实现）
weixin_46039719的博客
04-24 883
在轨迹跟踪应用领域，通常 MPC 建模可根据机器人的控制方式选择基于运动学运动状态方程建模或者基于动力学运动状态方程建模。前者是根据车辆转向的几何学角度关系和速度位置关系来建立描述车辆的运动的预测模型，一般只适用于低速运动场景；后者是对被控对象进行综合受力分析，从受力平衡的角度建模，一般应用在高速运动场景，如汽车无人驾驶。​[1]张鑫,吴伊凡,崔永琪.基于改进MPC算法的四旋翼无人机轨迹跟踪控制[J].电子技术与软件工程,2023,No.245(03):148-153.行百里者，半于九十。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

无意2121

创作不易，多多支持

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值