CoLMDriver: LLM-based Negotiation Benefits Cooperative Autonomous Driving
作者: Changxing Liu, Genjia Liu, Zijun Wang, Jinchang Yang, Siheng Chen
发布时间: 2025-03-12
来源: arxiv
研究方向: 自动驾驶，合作驾驶，语言模型
主要内容
本文提出了一种名为CoLMDriver的自动驾驶系统，该系统利用语言模型进行合作规划，以改善自动驾驶车辆在复杂场景下的交互和协作能力。
主要贡献
1. 提出了一种基于语言模型的合作驾驶系统CoLMDriver，它通过语言谈判实现多车辆之间的协作。
2. 引入了InterDrive基准，用于评估自动驾驶系统在处理多车辆交互时的性能。
3. 在多种V2V驾驶场景中，CoLMDriver取得了优于现有方法的成功率。
研究方法
1. 使用LLM进行多轮谈判，以解决预测冲突并达成共识。
2. 引入Actor-Critic反馈机制，以评估谈判结果并持续改进策略。
3. 采用动态分组机制，选择相关合作者进行谈判。
4. 利用VLM生成高层次的驾驶意图，并将其转换为可执行的航点。
5. 使用Transformer模型进行意图到航点的转换。
实验结果
在InterDrive基准和Town05基准上的实验结果表明，CoLMDriver在多种V2V驾驶场景中取得了优于现有方法的成功率，证明了其在处理多车辆交互时的有效性。
未来工作
未来工作将致力于扩展语言交互的多样性，并构建更复杂和交互式的场景，以进一步提高系统的能力和适应性。