文章预览
Abstract 尽管自动驾驶技术迅速发展，但在密集交通中并线仍然是一个重大挑战，许多针对该场景的运动规划方法已经被提出，但这些方法很难进行全面评估。目前大多数现有的闭环模拟器依赖基于规则的车辆控制，导致缺乏多样性和随机性，无法在高度交互的场景中准确评估运动规划能力。此外，传统的评估指标不足以全面评估在密集交通中的并线表现。为了解决这些问题，我们提出了一个闭环评估基准，用于评估并线场景中的运动规划能力。我们的方法采用在大规模数据集上训练的其他车辆，具有微观行为特征，显著增强了复杂性和多样性。此外，我们通过利用大型语言模型（LLMs）对每个自动驾驶车辆并入主干道的过程进行评分，重新构建了评估机制。大量实验表明，该评估基准具有先进的特性。通过该基准，我们对现有方法进行了评估，并发
………………………………
