論文の概要: ADRD: LLM-Driven Autonomous Driving Based on Rule-based Decision Systems

• arxiv url: http://arxiv.org/abs/2506.14299v1
• Date: Tue, 17 Jun 2025 08:18:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.39203
• Title: ADRD: LLM-Driven Autonomous Driving Based on Rule-based Decision Systems
• Title（参考訳）: ADRD:ルールベースの意思決定システムに基づくLLM駆動自律運転
• Authors: Fanzhi Zeng, Siqi Wang, Chuzhao Zhu, Li Li,
• Abstract要約: 我々は、情報モジュール、エージェントモジュール、テストモジュールの3つのコアモジュールを統合するADRDフレームワークを紹介します。 このフレームワークは、自律運転決定タスクにおいて優れたパフォーマンスを示す。 これは、大規模な言語モデルとルールベースのシステムを統合して、自律的な運転意思決定を行う最初の作業である。
• 参考スコア（独自算出の注目度）: 6.950569256149267
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: How to construct an interpretable autonomous driving decision-making system has become a focal point in academic research. In this study, we propose a novel approach that leverages large language models (LLMs) to generate executable, rule-based decision systems to address this challenge. Specifically, harnessing the strong reasoning and programming capabilities of LLMs, we introduce the ADRD(LLM-Driven Autonomous Driving Based on Rule-based Decision Systems) framework, which integrates three core modules: the Information Module, the Agents Module, and the Testing Module. The framework operates by first aggregating contextual driving scenario information through the Information Module, then utilizing the Agents Module to generate rule-based driving tactics. These tactics are iteratively refined through continuous interaction with the Testing Module. Extensive experimental evaluations demonstrate that ADRD exhibits superior performance in autonomous driving decision tasks. Compared to traditional reinforcement learning approaches and the most advanced LLM-based methods, ADRD shows significant advantages in terms of interpretability, response speed, and driving performance. These results highlight the framework's ability to achieve comprehensive and accurate understanding of complex driving scenarios, and underscore the promising future of transparent, rule-based decision systems that are easily modifiable and broadly applicable. To the best of our knowledge, this is the first work that integrates large language models with rule-based systems for autonomous driving decision-making, and our findings validate its potential for real-world deployment.
• Abstract（参考訳）: 解釈可能な自律運転意思決定システムの構築方法が学術研究の焦点となっている。 本研究では,大規模言語モデル(LLM)を利用して,この課題に対処する実行可能なルールベースの意思決定システムを生成する手法を提案する。 具体的には、LLMの強力な推論とプログラミング機能を活用し、情報モジュール、エージェントモジュール、テストモジュールの3つのコアモジュールを統合するADRD(LLM-Driven Self Driving Based on Rule-based Decision Systems)フレームワークを導入します。 このフレームワークは、まずインフォメーションモジュールを通してコンテキスト駆動シナリオ情報を集約し、次にエージェントモジュールを使用してルールベースの駆動戦略を生成する。 これらの戦術は、テストモジュールとの継続的なインタラクションを通じて反復的に洗練されます。 大規模実験により、ADRDは自律運転決定タスクにおいて優れた性能を示すことが示された。 従来の強化学習手法や最も先進的なLCM法と比較して、ADRDは解釈可能性、応答速度、駆動性能において大きな利点を示す。 これらの結果は、複雑な運転シナリオの包括的で正確な理解を達成するためのフレームワークの能力を強調し、容易に変更可能で広く適用可能な透明でルールベースの意思決定システムの将来性を強調します。 我々の知る限りでは、これは大規模な言語モデルと自律運転意思決定のためのルールベースのシステムを統合する最初の研究であり、我々の研究結果は、実世界の展開の可能性を検証するものである。

関連論文リスト

• 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)
• LanguageMPC: Large Language Models as Decision Makers for Autonomous Driving [84.31119464141631]
  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)

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。