CoLMDriver: LLM-based Negotiation Benefits Cooperative Autonomous Driving

要約

車両から車両への（V2V）協同的自律運転は、単一エージェントシステムに固有の認識と予測の不確実性に対処することにより、安全性を改善するための非常に有望です。
ただし、従来の協同的方法は、厳格なコラボレーションプロトコルと、目に見えないインタラクティブなシナリオに限られた一般化によって制約されています。
LLMベースのアプローチは一般化された推論能力を提供しますが、空間計画における課題と不安定な推論レイテンシーは、協同運転における直接的な適用を妨げます。
これらの制限に対処するために、最初のフルパイプラインLLMベースの協同運転システムであるColmdriverを提案し、効果的な言語ベースの交渉とリアルタイムの運転制御を可能にします。
colmdriverは、2つの重要なコンポーネントを備えた並列駆動パイプラインを備えています。（i）すべての車両の以前の決定からのフィードバックを通じて協力ポリシーを継続的に洗練する俳優criticパラダイムの下のLLMベースのネゴシエーションモジュール。
（ii）交渉の結果を実行可能ウェイポイントに変換する意図ガイド付きウェイポイントジェネレーター。
さらに、V2V協力を評価するための10の挑戦的なインタラクティブな運転シナリオで構成されるカーラベースのシミュレーションベンチマークであるInterdriveを紹介します。
実験結果は、Colmdriverが既存のアプローチを大幅に上回り、多様な高度にインタラクティブなV2V駆動シナリオで11％高い成功率を達成することを示しています。
コードはhttps://github.com/cxliu0314/colmdriverでリリースされます。

要約(オリジナル)

Vehicle-to-vehicle (V2V) cooperative autonomous driving holds great promise for improving safety by addressing the perception and prediction uncertainties inherent in single-agent systems. However, traditional cooperative methods are constrained by rigid collaboration protocols and limited generalization to unseen interactive scenarios. While LLM-based approaches offer generalized reasoning capabilities, their challenges in spatial planning and unstable inference latency hinder their direct application in cooperative driving. To address these limitations, we propose CoLMDriver, the first full-pipeline LLM-based cooperative driving system, enabling effective language-based negotiation and real-time driving control. CoLMDriver features a parallel driving pipeline with two key components: (i) an LLM-based negotiation module under an actor-critic paradigm, which continuously refines cooperation policies through feedback from previous decisions of all vehicles; and (ii) an intention-guided waypoint generator, which translates negotiation outcomes into executable waypoints. Additionally, we introduce InterDrive, a CARLA-based simulation benchmark comprising 10 challenging interactive driving scenarios for evaluating V2V cooperation. Experimental results demonstrate that CoLMDriver significantly outperforms existing approaches, achieving an 11% higher success rate across diverse highly interactive V2V driving scenarios. Code will be released on https://github.com/cxliu0314/CoLMDriver.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google