대규모 언어 모델 정책 적응을 통한 전역 주행

초록

새로운 환경, 관습, 법규에 운전 행동을 적응시키는 것은 자율주행 분야에서 오랜 기간 해결되지 않은 문제로, 이로 인해 자율주행차(AVs)의 광범위한 상용화가 지연되고 있다. 본 논문에서는 인간 운전자와 자율주행차 모두가 새로운 지역의 교통 규칙에 따라 운전 작업과 모션 계획을 적응시켜 어디서나 운전할 수 있도록 돕는 간단하지만 강력한 도구인 LLaDA를 소개한다. LLaDA는 대규모 언어 모델(LLMs)의 뛰어난 제로샷 일반화 능력을 활용하여 현지 운전자 핸드북의 교통 규칙을 해석함으로써 이를 달성한다. 광범위한 사용자 연구를 통해 LLaDA의 지침이 예상치 못한 실제 상황에서의 모호성을 해소하는 데 유용함을 입증한다. 또한, LLaDA가 실제 데이터셋에서 자율주행차의 모션 계획 정책을 적응시키는 능력을 보여주며, 모든 평가 지표에서 기준선 계획 접근법을 능가하는 성과를 보인다. 자세한 내용은 웹사이트(https://boyiliee.github.io/llada)를 참조하시기 바란다.

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.

대규모 언어 모델 정책 적응을 통한 전역 주행

Driving Everywhere with Large Language Model Policy Adaptation

초록

Support