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
………………………………