Fanzhi Zeng Siqi Wang Chuzhao Zhu Li Li

الملخص

كيفية بناء نظام قرار قابل للتفسير للقيادة الذاتية أصبح نقطة محورية في الأبحاث الأكاديمية.在这项研究中，我们提出了一种新的方法，该方法利用大型语言模型（LLMs）生成可执行的基于规则的决策系统来应对这一挑战。具体来说，通过利用LLMs的强大推理和编程能力，我们引入了ADRD（基于大型语言模型的基于规则的自动驾驶决策系统）框架，该框架集成了三个核心模块：信息模块、代理模块和测试模块。该框架首先通过信息模块聚合上下文驾驶场景信息，然后利用代理模块生成基于规则的驾驶策略。这些策略通过与测试模块的持续互动进行迭代优化。广泛的实验评估表明，ADRD在自动驾驶决策任务中表现出优越性能。与传统的强化学习方法和最先进的基于LLM的方法相比，ADRD在可解释性、响应速度和驾驶性能方面显示出显著优势。这些结果突显了该框架对复杂驾驶场景实现全面准确理解的能力，并强调了透明、易于修改且广泛适用的基于规则的决策系统的光明前景。据我们所知，这是第一项将大型语言模型与基于规则的系统结合用于自动驾驶决策的工作，我们的发现验证了其在实际部署中的潜力。 修正后的翻译： كيفية بناء نظام قرار قابل للتفسير للقيادة الذاتية أصبحت نقطة محورية في الأبحاث الأكاديمية.在这项研究中،我们提出了一种新的方法،该方法利用大型语言模型（LLMs）生成可执行的基于规则的决策系统来应对这一挑战。具体来说，通过利用LLMs的强大推理和编程能力،我们引入了ADRD（ADRD (نظام القرار القائم على القواعد للقيادة الذاتية المدعوم بالنموذج اللغوي الكبير)）框架،该框架集成了三个核心模块：信息模块、代理模块和测试模块（الوحدة المعلوماتية، وحدة الوكلاء، وحدة الاختبار）。该框架首先通过信息模块聚合上下文驾驶场景信息（معلومات السيناريوهات القيادية السياقية），然后利用代理模块生成基于规则的驾驶策略（استراتيجيات القيادة القائمة على القواعد）。这些策略通过与测试模块的持续互动进行迭代优化（تتم تحسين هذه الاستراتيجيات بشكل تكراري من خلال التفاعل المستمر مع وحدة الاختبار）。广泛的实验评估表明，ADRD在自动驾驶决策任务中表现出优越性能（أظهرت التقييمات التجريبية الشاملة أن ADRD يتفوق في مهام اتخاذ القرار للقيادة الذاتية）。与传统的强化学习方法和最先进的基于LLM的方法相比，ADRD在可解释性、响应速度和驾驶性能方面显示出显著优势（مقارنة بطرق التعلم التعزيزي التقليدية وأحدث الأساليب القائمة على LLMs، أظهر ADRD مزايا كبيرة فيما يتعلق بالقابلية للتفسير والسرعة الاستجابية وأداء القيادة）。这些结果突显了该框架对复杂驾驶场景实现全面准确理解的能力，并强调了透明、易于修改且广泛适用的基于规则的决策系统的光明前景（تؤكد هذه النتائج قدرة الإطار على تحقيق فهم شامل ودقيق للمواقف القيادية المعقدة وتسلط الضوء على مستقبل مشرق لنظم القرار القائمة على القواعد والتي تكون شفافة وسهلة التعديل وذات نطاق تطبيق واسع）。据我们所知，这是第一项将大型语言模型与基于规则的系统结合用于自动驾驶决策的工作，我们的发现验证了其在实际部署中的潜力（حسب علمنا، هذا هو أول عمل يدمج النماذج اللغوية الكبيرة مع نظم القرار القائمة على القواعد لاتخاذ القرارات في القيادة الذاتية، وقد أثبتت نتائجنا إمكاناتها في التطبيق العملي).