本文提出了一种新颖的密度感知安全感知（DASP）方法，旨在解决离线强化学习中的状态分布偏移问题。该方法通过鼓励代理选择数据密度更高的结果，提升决策过程的安全性和可靠性。

本文探讨大型语言模型（LLM）在自动驾驶系统中的应用，提出LMDrive框架，结合多模态传感器数据和自然语言指令，提升自动驾驶决策的安全性和效果。实验表明，LLM在复杂场景中的表现优越，推动了人性化自动驾驶的发展。