Autoware.Flex: Human-Instructed Dynamically Reconfigurable Autonomous Driving Systems

要約

既存の自律運転システム（ADS）は独立して運転決定を下しますが、2つの大きな制限に直面しています。
第一に、複雑なシナリオでは、広告は環境を誤って解釈し、不適切な運転決定を下す可能性があります。
第二に、これらのシステムは、意思決定プロセスに人間の運転の好みを組み込むことができません。
このペーパーでは、AutoWare $。$ FLEXを提案します。これは、人間の入力を運転プロセスに組み込み、ユーザーがより適切な決定を下し、好みが満たされるように広告を導くことができるようにします。
これを達成する必要があります：（1）自然言語で表現された人間の指示を広告が理解できる形式に翻訳し、（2）これらの指示が広告の意思決定フレームワーク内で安全かつ一貫して実行されることを保証する
。
最初の課題では、ADS専門知識ベースで支援された大規模な言語モデル（LLM）を採用して、ドメイン固有の翻訳を強化します。
2番目の課題では、人間の指示が安全で一貫した運転行動をもたらすように、検証メカニズムを設計します。
シミュレータと実際の自律型車両の両方で実施さ​​れた実験は、AutoWare $。$ Flexが人間の指示を効果的に解釈し、安全に実行することを示しています。

要約(オリジナル)

Existing Autonomous Driving Systems (ADS) independently make driving decisions, but they face two significant limitations. First, in complex scenarios, ADS may misinterpret the environment and make inappropriate driving decisions. Second, these systems are unable to incorporate human driving preferences in their decision-making processes. This paper proposes Autoware$.$Flex, a novel ADS system that incorporates human input into the driving process, allowing users to guide the ADS in making more appropriate decisions and ensuring their preferences are satisfied. Achieving this needs to address two key challenges: (1) translating human instructions, expressed in natural language, into a format the ADS can understand, and (2) ensuring these instructions are executed safely and consistently within the ADS’ s decision-making framework. For the first challenge, we employ a Large Language Model (LLM) assisted by an ADS-specialized knowledge base to enhance domain-specific translation. For the second challenge, we design a validation mechanism to ensure that human instructions result in safe and consistent driving behavior. Experiments conducted on both simulators and a real-world autonomous vehicle demonstrate that Autoware$.$Flex effectively interprets human instructions and executes them safely.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google