CoLMIN：基于LLM的协同自动驾驶多决策路径协商

多车协同自动驾驶通过联网车辆之间的信息共享，增强自动驾驶系统的安全性和可靠性，在改善交通安全方面展现出巨大的潜力。基于 LLM 的方法利用 LLM 强大的推理能力来实现有效的车辆间协商并提高协作驾驶性能。然而，复杂交通场景下的驾驶决策本质上是多解决方案。因此，现有的基于协商的方法常常过早地收敛到次优解决方案，阻碍共识的形成并限制协作自动驾驶系统的实际部署。为了应对这一挑战，我们提出了CoLMIN，即基于LLM的协作自动驾驶多决策路径协商框架，通过多决策路径协商和反思推理实现稳定的决策共识。为了在协作自动驾驶中达成稳定和高质量的共识，CoLMIN由三个关键组成部分组成：（i）基于LLM的多意图协商模块（LMin），它采用协商者-评估者范式，生成多个候选驾驶意图进行联合评估； （ii）基于评估的浅层反思模块（ESRM），分析谈判结果并提供反馈以指导后续谈判，从而加速共识形成； (iii) 基于 LLM 的深度反射模块 (LDRM)，它对谈判历史进行长期反射，以减轻认知固定并防止系统收敛到次优解决方案。 CARLA 仿真环境中的实验结果表明，CoLMIN 在具有挑战性的交互式驾驶场景中显着优于现有方法。