論文の概要: Multi-Agent Autonomous Driving Systems with Large Language Models: A Survey of Recent Advances

• arxiv url: http://arxiv.org/abs/2502.16804v1
• Date: Mon, 24 Feb 2025 03:26:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-25 15:52:51.818464
• Title: Multi-Agent Autonomous Driving Systems with Large Language Models: A Survey of Recent Advances
• Title（参考訳）: 大規模言語モデルを用いた多エージェント自律運転システム:最近の進歩に関する調査研究
• Authors: Yaozu Wu, Dongyuan Li, Yankai Chen, Renhe Jiang, Henry Peng Zou, Liancheng Fang, Zhen Wang, Philip S. Yu,
• Abstract要約: 大規模言語モデル (LLM) が自律運転システム (ADS) に統合された。 LLMは、限られた認識、不十分な協調、高い計算要求の3つの大きな課題に直面している。 LLMに基づくマルチエージェントADSの最近の進歩は、エージェント間のコミュニケーションと協調の改善に焦点が当てられている。
• 参考スコア（独自算出の注目度）: 36.83764809130289
• License:
• Abstract: Autonomous Driving Systems (ADSs) are revolutionizing transportation by reducing human intervention, improving operational efficiency, and enhancing safety. Large Language Models (LLMs), known for their exceptional planning and reasoning capabilities, have been integrated into ADSs to assist with driving decision-making. However, LLM-based single-agent ADSs face three major challenges: limited perception, insufficient collaboration, and high computational demands. To address these issues, recent advancements in LLM-based multi-agent ADSs have focused on improving inter-agent communication and cooperation. This paper provides a frontier survey of LLM-based multi-agent ADSs. We begin with a background introduction to related concepts, followed by a categorization of existing LLM-based approaches based on different agent interaction modes. We then discuss agent-human interactions in scenarios where LLM-based agents engage with humans. Finally, we summarize key applications, datasets, and challenges in this field to support future research (https://anonymous.4open.science/r/LLM-based_Multi-agent_ADS-3A5C/README.md).
• Abstract（参考訳）: 自律運転システム(ADS)は、人間の介入を減らし、運転効率を向上し、安全性を高めることで、輸送に革命をもたらしている。 LLM(Large Language Models)はその例外的な計画と推論能力で知られており、意思決定を支援するためにADSに統合されている。 しかし、LSMベースの単一エージェントADSは、限られた認識、不十分な協調、高い計算要求の3つの大きな課題に直面している。 これらの課題に対処するため、近年のLLMベースのマルチエージェントADSの進歩は、エージェント間のコミュニケーションと協調の改善に焦点が当てられている。 本稿では LLM ベースのマルチエージェント ADS のフロンティアサーベイを提供する。 まず、関連する概念を背景として紹介し、その後、異なるエージェントインタラクションモードに基づいて、既存のLLMベースのアプローチを分類する。 LLMをベースとしたエージェントが人間と関わるシナリオにおけるエージェントとヒューマンの相互作用について議論する。 最後に、この分野における主要なアプリケーション、データセット、課題を要約し、将来の研究をサポートする(https://anonymous.4open.science/r/LLM-based_Multi-agent_ADS-3A5C/README.md)。

関連論文リスト

• Beyond Self-Talk: A Communication-Centric Survey of LLM-Based Multi-Agent Systems [11.522282769053817]
  大規模言語モデル(LLM)は、最近、推論、計画、意思決定において顕著な能力を示した。 研究者はLLMをマルチエージェントシステムに組み込んで、単一エージェント設定の範囲を超えてタスクに取り組むようになった。 この調査はさらなるイノベーションの触媒として機能し、より堅牢でスケーラブルでインテリジェントなマルチエージェントシステムを促進する。
  論文  参考訳（メタデータ） (2025-02-20T07:18:34Z)
• Scaling Autonomous Agents via Automatic Reward Modeling And Planning [52.39395405893965]
  大規模言語モデル(LLM)は、様々なタスクにまたがる顕著な機能を示している。 しかし、彼らは多段階の意思決定と環境フィードバックを必要とする問題に苦戦している。 人間のアノテーションを使わずに環境から報酬モデルを自動的に学習できるフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:49:25Z)
• Large Language Model-Based Agents for Software Engineering: A Survey [20.258244647363544]
  近年のLarge Language Models(LLM)の進歩は、AIエージェント、すなわちLLMベースのエージェントの新しいパラダイムを形成している。 我々は106の論文を収集し、それらを2つの視点、すなわちSEとエージェントの観点から分類する。 さらに、この重要な領域におけるオープンな課題と今後の方向性についても論じる。
  論文  参考訳（メタデータ） (2024-09-04T15:59:41Z)
• Large Language Models for Human-like Autonomous Driving: A Survey [7.125039718268125]
  大規模言語モデル(LLMs)は、言語理解と生成機能を備えた巨大なテキストコーパスでトレーニングされたAIモデルである。 この調査は、LLMを自律運転に活用する進捗状況についてレビューする。 モジュール型のADパイプラインとエンドツーエンドのADシステムにおける彼らのアプリケーションに焦点を当てている。
  論文  参考訳（メタデータ） (2024-07-27T15:24:11Z)
• Large Language Model Enhanced Multi-Agent Systems for 6G Communications [94.45712802626794]
  本稿では,自然言語を用いたコミュニケーション関連タスクを解くための,カスタマイズされたコミュニケーション知識とツールを備えたマルチエージェントシステムを提案する。 セマンティック通信システムの設計により,提案方式の有効性を検証した。
  論文  参考訳（メタデータ） (2023-12-13T02:35:57Z)
• LanguageMPC: Large Language Models as Decision Makers for Autonomous Driving [87.1164964709168]
  この作業では、複雑な自律運転シナリオの意思決定コンポーネントとして、Large Language Models(LLM)を採用している。 大規模実験により,提案手法は単車載タスクのベースラインアプローチを一貫して超えるだけでなく,複数車載コーディネートにおいても複雑な運転動作の処理にも有効であることが示された。
  論文  参考訳（メタデータ） (2023-10-04T17:59:49Z)
• The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
  大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。 単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
  論文  参考訳（メタデータ） (2023-09-14T17:12:03Z)
• A Survey on Large Language Model based Autonomous Agents [105.2509166861984]
  大規模言語モデル(LLM)は、人間レベルの知性を達成する上で、顕著な可能性を示している。 本稿では,LLMに基づく自律エージェントの分野を総合的な観点から体系的に検討する。 本稿では、社会科学、自然科学、工学の分野におけるLLMベースの自律エージェントの多様な応用について概観する。
  論文  参考訳（メタデータ） (2023-08-22T13:30:37Z)
• An Introduction to Multi-Agent Reinforcement Learning and Review of its Application to Autonomous Mobility [1.496194593196997]
  マルチエージェント強化学習(MARL、Multi-Agent Reinforcement Learning)は、複数のエージェントが相互に相互作用する最適な解を見つけることを目的とした研究分野である。 この研究は、自律移動の研究者にこの分野の概要を提供することを目的としている。
  論文  参考訳（メタデータ） (2022-03-15T06:40:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。