우리는 오픈애이(OpeanAI)의 GPT-3.5 모델을 자율주행 차량을 위한 신뢰할 수 있는 운동 계획(모션 플래닝) 모델로 변환할 수 있는 간단하면서도 효과적인 접근법을 제안한다. 운동 계획은 자율주행 기술에서 핵심적인 과제로, 안전하고 쾌적한 주행 경로를 계획하는 것을 목표로 한다. 기존의 운동 계획 방법들은 주로 히우리스틱(heuristic) 기반의 방법을 사용하여 주행 경로를 예측하지만, 이러한 접근법은 새로운 혹은 미처 경험하지 못한 주행 상황에 대해 충분한 일반화 능력을 보이지 못한다. 본 논문에서는 대규모 언어 모델(Large Language Models, LLMs)이 지닌 강력한 추론 능력과 뛰어난 일반화 가능성을 활용하는 새로운 운동 계획 접근법을 제안한다. 본 연구의 핵심 통찰은 운동 계획 문제를 언어 모델링 문제로 재정의하는 것이다. 이는 기존에 탐색되지 않은 새로운 시각이다. 구체적으로, 계획기의 입력과 출력을 언어 토큰 형태로 표현하고, 좌표 위치를 자연어로 설명하는 방식을 통해 LLM이 주행 경로를 생성하도록 한다. 또한, LLM의 수치 추론 잠재력을 유도하기 위한 새로운 프롬프트-추론-피팅( prompting-reasoning-finetuning) 전략을 제안한다. 이 전략을 통해 LLM은 매우 정밀한 경로 좌표를 설명할 뿐만 아니라, 내부 의사결정 과정도 자연어로 표현할 수 있다. 제안된 방법은 대규모 nuScenes 데이터셋을 기반으로 평가되었으며, 광범위한 실험 결과를 통해 본 모델의 효과성, 일반화 능력, 해석 가능성(해석 가능성)이 입증되었다. 코드는 현재 https://github.com/PointsCoder/GPT-Driver 에 공개되어 있다.