ConvoyLLM: Dynamic Multi-Lane Convoy Control Using LLMs

要約

このペーパーでは、大規模な言語モデル（LLM）を使用して動的な高速道路環境での調整の課題に取り組むマルチレーンコンボイ層コントロールの新しい方法を提案します。
輸送船団の接続された各車両と自動運転車は、知識主導のアプローチを使用して、さまざまなシナリオに基づいてリアルタイムの適応決定を行います。
当社の方法により、車両は、障害物の回避、輸送船団への参加/退去、エスコートフォーメーションのスイッチングなど、全体的なコンボイ構造を維持しながら、タスクを動的に実行できます。
局所的に動的な分散グラフに基づいて、介入されたフォーメーション制御戦略を設計し、輸送船団が安定して柔軟なままでいることを保証します。
複数のトラフィックシナリオにわたってSUMOシミュレーションプラットフォームで広範な実験を実施し、結果は、提案された方法が効果的で堅牢で、動的環境に適応できることを示しています。
このコードは、https：//github.com/chuduanfeng/convoyllmで入手できます。

要約(オリジナル)

This paper proposes a novel method for multi-lane convoy formation control that uses large language models (LLMs) to tackle coordination challenges in dynamic highway environments. Each connected and autonomous vehicle in the convoy uses a knowledge-driven approach to make real-time adaptive decisions based on various scenarios. Our method enables vehicles to dynamically perform tasks, including obstacle avoidance, convoy joining/leaving, and escort formation switching, all while maintaining the overall convoy structure. We design a Interlaced formation control strategy based on locally dynamic distributed graphs, ensuring the convoy remains stable and flexible. We conduct extensive experiments in the SUMO simulation platform across multiple traffic scenarios, and the results demonstrate that the proposed method is effective, robust, and adaptable to dynamic environments. The code is available at: https://github.com/chuduanfeng/ConvoyLLM.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google