基于大語言模型的可解釋性運(yùn)動規(guī)劃方法研究

摘要： 基于學(xué)習(xí)的運(yùn)動規(guī)劃方法采用數(shù)據(jù)驅(qū)動的策略，從大規(guī)模的駕駛經(jīng)驗(yàn)中學(xué)習(xí)策略，雖能表現(xiàn)出良好的性能，但因?qū)⑦\(yùn)動規(guī)劃視為黑箱問題，犧牲了方法的可解釋性，也總會遇到數(shù)據(jù)集偏差、過擬合以及陷入局部最優(yōu)等挑戰(zhàn)。利用新興的大語言模型強(qiáng)大的推理能力和解釋能力，提出了一個(gè)基于大語言模型的自動駕駛運(yùn)動規(guī)劃框架，稱為LLMs-Driver,來解決基于學(xué)習(xí)的方法中可解釋性差的問題。LLMs-Driver... （共11頁）