文章预览
Abstract 目前，全球范围内已开始对联网自动驾驶汽车（CAVs）进行道路测试，但它们在复杂场景中的安全性和效率表现仍不令人满意。合作驾驶利用CAVs的连接能力，通过协同作用超越个体表现，使其成为在复杂场景中提高CAV性能的有前途方法。然而，缺乏交互和持续学习能力限制了当前的合作驾驶仅能应用于单一场景和特定的合作驾驶自动化（CDA）。为了解决这些挑战，本文提出了一种交互式和可学习的基于大型语言模型（LLM）的合作驾驶框架——CoDrivingLLM，以实现全场景和全CDA。首先，由于LLM不擅长处理数学计算，我们引入了环境模块，通过语义决策来更新车辆位置，避免了LLM直接控制车辆位置可能导致的错误。其次，基于SAE J3216标准定义的四个CDA等级，我们提出了一种基于思维链（COT）的推理模块，包括状态感知、意图共享、协商和决策，从
………………………………
