Driving Everywhere with Large Language Model Policy Adaptation

要約

運転行動を新しい環境、習慣、法律に適応させることは自動運転における長年の課題であり、自動運転車（AV）の広範な導入の妨げとなっています。
本稿では、人間のドライバーと自動運転車のタスクと動作計画を新しい場所の交通ルールに適応させることで、どこでも運転できるようにする、シンプルかつ強力なツールである LLaDA を紹介します。
LLaDA は、地域のドライバー ハンドブックの交通規則を解釈する際に、大規模言語モデル (LLM) の優れたゼロショット一般化可能性を活用することでこれを実現します。
広範なユーザー調査を通じて、LLaDA の指示が実際の予期せぬ状況を明確にするのに役立つことを示しています。
また、現実世界のデータセットで AV モーション プランニング ポリシーを適応させる LLaDA の能力も実証します。
LLaDA は、すべての指標においてベースライン計画アプローチを上回っています。
詳細については、当社の Web サイトをご覧ください: https://boyiliee.github.io/llada。

要約(オリジナル)

Adapting driving behavior to new environments, customs, and laws is a long-standing problem in autonomous driving, precluding the widespread deployment of autonomous vehicles (AVs). In this paper, we present LLaDA, a simple yet powerful tool that enables human drivers and autonomous vehicles alike to drive everywhere by adapting their tasks and motion plans to traffic rules in new locations. LLaDA achieves this by leveraging the impressive zero-shot generalizability of large language models (LLMs) in interpreting the traffic rules in the local driver handbook. Through an extensive user study, we show that LLaDA’s instructions are useful in disambiguating in-the-wild unexpected situations. We also demonstrate LLaDA’s ability to adapt AV motion planning policies in real-world datasets; LLaDA outperforms baseline planning approaches on all our metrics. Please check our website for more details: https://boyiliee.github.io/llada.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google