GenFollower:利用大型语言模型增强车辆跟随预测
原文中文,约300字,阅读约需1分钟。发表于: 。提出了一种名为 GenFollower 的新型零样本提示方法,将车辆追随行为重新定义为语言建模问题,并将异构输入整合到结构化的提示中,以提高预测性能和解释性,实验证明了 GenFollower 在 Waymo Open 数据集上具有更好的性能和能够提供有关影响车辆追随行为的解释性见解,从而促进了对车辆追随行为的理解和预测,为提升交通管理和自动驾驶系统打下了基础。
LMDrive是一种语言引导的闭环自动驾驶框架,能处理多模态传感器数据和自然语言指令,实现与人类和导航软件的交互。作者发布了包含64K个指令跟踪数据片段的数据集和测试系统,以促进基于语言的闭环自动驾驶的研究。作者进行了广泛的闭环实验以证明LMDrive的有效性。