LiDAR-LLM：探索大语言模型在 3D LiDAR 理解方面的潜力
原文中文，约300字，阅读约需1分钟。发表于：。LiDAR-LLM 使用 Large Language Models（LLMs）和 Multimodal Large Language Models（MLLMs）来理解 3D 场景，通过重新构建 3D 场景认知为语言建模问题并使用 View-Aware Transformer（VAT）来加强 LLMs 的空间定向理解，从而实现对 3D 场景的多种指令的理解和复杂空间推理。
本文研究了多模态大型语言模型驱动系统的挑战、机会和未来工作，概述了其背景、发展和自动驾驶的历史，并总结了在自动驾驶中使用多模态大型语言模型的工具、数据集和基准。同时介绍了第一届大型语言和视觉模型自动驾驶研讨会的相关工作，并提出了需要解决的重要问题，呼吁学术界和工业界共同促进该领域的发展。
