Driving Style Alignment for LLM-powered Driver Agent

要約

最近、LLM を利用したドライバー エージェントは自動運転の分野でかなりの可能性を示し、人間のような推論能力と意思決定能力を示しています。しかし、ドライバー エージェントの動作を人間の運転スタイルに合わせるための現在の研究は、希少性もあり限られたままです。
この研究ギャップに対処するために、私たちは、デモンストレーションとフィードバックを通じてドライバーエージェントを人間の運転スタイルに合わせるように設計されたマルチアライメントフレームワークを提案します。
特に、自然主義的な運転実験と運転後のインタビューを通じて人間のドライバーの行動に関する自然言語データセットを構築し、LLM アライメントのための高品質な人間によるデモンストレーションを提供します。
このフレームワークの有効性は、CARLA 都市交通シミュレーターでのシミュレーション実験を通じて検証され、人間による評価によってさらに裏付けられます。
私たちの研究は、多様な運転スタイルに合わせた運転エージェントの設計に関する貴重な洞察を提供します。フレームワークの実装とデータセットの詳細は、リンクでご覧いただけます。

要約(オリジナル)

Recently, LLM-powered driver agents have demonstrated considerable potential in the field of autonomous driving, showcasing human-like reasoning and decision-making abilities.However, current research on aligning driver agent behaviors with human driving styles remains limited, partly due to the scarcity of high-quality natural language data from human driving behaviors.To address this research gap, we propose a multi-alignment framework designed to align driver agents with human driving styles through demonstrations and feedback. Notably, we construct a natural language dataset of human driver behaviors through naturalistic driving experiments and post-driving interviews, offering high-quality human demonstrations for LLM alignment. The framework’s effectiveness is validated through simulation experiments in the CARLA urban traffic simulator and further corroborated by human evaluations. Our research offers valuable insights into designing driving agents with diverse driving styles.The implementation of the framework and details of the dataset can be found at the link.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google