論文の概要: Human-like Semantic Navigation for Autonomous Driving using Knowledge Representation and Large Language Models

• arxiv url: http://arxiv.org/abs/2505.16498v1
• Date: Thu, 22 May 2025 10:32:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 17:12:48.227098
• Title: Human-like Semantic Navigation for Autonomous Driving using Knowledge Representation and Large Language Models
• Title（参考訳）: 知識表現と大規模言語モデルを用いた自律運転のためのヒューマンライクなセマンティックナビゲーション
• Authors: Augusto Luis Ballardini, Miguel Ángel Sotelo,
• Abstract要約: 大規模言語モデルは、Answer Set Programmingルールを生成するために使用される。 ASPはモノトニックな推論を提供し、自動運転車が進化するシナリオに適応できるようにする。 LLM駆動のASPルール生成は意味に基づく意思決定をサポートする。
• 参考スコア（独自算出の注目度）: 11.045662497663514
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Achieving full automation in self-driving vehicles remains a challenge, especially in dynamic urban environments where navigation requires real-time adaptability. Existing systems struggle to handle navigation plans when faced with unpredictable changes in road layouts, spontaneous detours, or missing map data, due to their heavy reliance on predefined cartographic information. In this work, we explore the use of Large Language Models to generate Answer Set Programming rules by translating informal navigation instructions into structured, logic-based reasoning. ASP provides non-monotonic reasoning, allowing autonomous vehicles to adapt to evolving scenarios without relying on predefined maps. We present an experimental evaluation in which LLMs generate ASP constraints that encode real-world urban driving logic into a formal knowledge representation. By automating the translation of informal navigation instructions into logical rules, our method improves adaptability and explainability in autonomous navigation. Results show that LLM-driven ASP rule generation supports semantic-based decision-making, offering an explainable framework for dynamic navigation planning that aligns closely with how humans communicate navigational intent.
• Abstract（参考訳）: 自動運転車の完全な自動化を実現することは、特にナビゲーションがリアルタイムの適応性を必要とする動的な都市環境では、依然として課題である。 既存のシステムは、事前に定義された地図情報に大きく依存しているため、道路のレイアウト、自発的な起伏、地図データ不足といった予測不可能な変化に直面した場合に、ナビゲーション計画を扱うのに苦労している。 本研究では,非公式なナビゲーション命令を構造化論理ベースの推論に変換することで,Answer Set Programmingルールを生成するために,Large Language Modelsの利用について検討する。 ASPはモノトニックな推論を提供し、事前に定義されたマップに頼ることなく、自動運転車が進化するシナリオに適応できるようにする。 本稿では,LLMが実世界の都市運転ロジックを形式的知識表現に符号化するASP制約を生成する実験評価を行う。 非公式なナビゲーション命令を論理規則に自動変換することにより,自律ナビゲーションの適応性と説明性を向上させる。 LLM駆動のASPルール生成は意味に基づく意思決定をサポートしており、動的ナビゲーション計画のための説明可能なフレームワークを提供する。

関連論文リスト

• AutoGuide: Automated Generation and Selection of Context-Aware Guidelines for Large Language Model Agents [74.17623527375241]
  オフライン体験からコンテキスト認識ガイドラインを自動的に生成する,AutoGuideという新しいフレームワークを導入する。 その結果,本ガイドラインはエージェントの現在の意思決定プロセスに関連性のある知識の提供を促進する。 評価の結果, AutoGuide は複雑なベンチマーク領域において, 競争ベースラインを著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-03-13T22:06:03Z)
• Hybrid Reasoning Based on Large Language Models for Autonomous Car Driving [14.64475022650084]
  大規模言語モデル(LLM)は、テキストや画像を理解し、人間に似たテキストを生成し、複雑な推論タスクを実行する能力において、大きな注目を集めている。 算術的推論と常識的推論の組み合わせ,特に自律運転シナリオにおけるLLMの適応性について検討する。
  論文  参考訳（メタデータ） (2024-02-21T08:09:05Z)
• LLM4Drive: A Survey of Large Language Models for Autonomous Driving [62.10344445241105]
  大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。 本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
  論文  参考訳（メタデータ） (2023-11-02T07:23:33Z)
• ETPNav: Evolving Topological Planning for Vision-Language Navigation in Continuous Environments [56.194988818341976]
  視覚言語ナビゲーションは、エージェントが環境中をナビゲートするための指示に従う必要があるタスクである。 本研究では,1)環境を抽象化し,長距離航法計画を生成する能力,2)連続環境における障害物回避制御能力の2つの重要なスキルに焦点を当てたETPNavを提案する。 ETPNavは、R2R-CEとRxR-CEデータセットの先行技術よりも10%以上、20%改善されている。
  論文  参考訳（メタデータ） (2023-04-06T13:07:17Z)
• Topological Planning with Transformers for Vision-and-Language Navigation [31.64229792521241]
  トポロジカルマップを用いた視覚・言語ナビゲーション(VLN)のモジュール化手法を提案する。 自然言語指導とトポロジカルマップが与えられた場合,マップ内のナビゲーション計画を予測するために注意機構を利用する。 実験では,従来のエンドツーエンドアプローチを上回り,解釈可能なナビゲーションプランを生成し,バックトラックなどのインテリジェントな行動を示す。
  論文  参考訳（メタデータ） (2020-12-09T20:02:03Z)

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。