大規模言語モデルによる政策適応を用いたあらゆる場所への運転

要旨

新しい環境、慣習、および法律に運転行動を適応させることは、自動運転における長年の課題であり、自動運転車両（AV）の広範な展開を妨げてきた。本論文では、LLaDAを紹介する。これは、人間のドライバーと自動運転車両が、新しい場所の交通ルールに基づいてタスクとモーションプランを適応させることで、どこでも運転できるようにするシンプルでありながら強力なツールである。LLaDAは、大規模言語モデル（LLM）の印象的なゼロショット汎化能力を活用し、現地の運転者ハンドブックに記載された交通ルールを解釈することでこれを実現する。大規模なユーザー調査を通じて、LLaDAの指示が、予期せぬ状況における曖昧さを解消するのに有用であることを示す。また、実世界のデータセットにおいて、LLaDAがAVのモーションプランニングポリシーを適応させる能力を実証する。LLaDAは、すべての評価指標においてベースラインのプランニング手法を上回る。詳細については、当社のウェブサイトをご確認ください: https://boyiliee.github.io/llada。

English

Adapting driving behavior to new environments, customs, and laws is a long-standing problem in autonomous driving, precluding the widespread deployment of autonomous vehicles (AVs). In this paper, we present LLaDA, a simple yet powerful tool that enables human drivers and autonomous vehicles alike to drive everywhere by adapting their tasks and motion plans to traffic rules in new locations. LLaDA achieves this by leveraging the impressive zero-shot generalizability of large language models (LLMs) in interpreting the traffic rules in the local driver handbook. Through an extensive user study, we show that LLaDA's instructions are useful in disambiguating in-the-wild unexpected situations. We also demonstrate LLaDA's ability to adapt AV motion planning policies in real-world datasets; LLaDA outperforms baseline planning approaches on all our metrics. Please check our website for more details: https://boyiliee.github.io/llada.

大規模言語モデルによる政策適応を用いたあらゆる場所への運転

Driving Everywhere with Large Language Model Policy Adaptation

要旨

Support