论文
中国哲学启发的检索增强 LLM 自动驾驶决策
Retrieval-Augmented Large Language Model Decision-Making for Autonomous Driving Guided by Chinese Philosophical Wisdom
摘要
自动驾驶决策系统必须在复杂的交通交互中平衡安全、效率和社会规范。在现有基于数值优化、序列预测和 大语言模型 (LLM) 的自动驾驶决策方法中，哲学和伦理考虑受到的关注有限。我们提出了中国哲学智慧引导驾驶（CPW-Drive），这是一种闭环检索增强生成（RAG）框架，它将中国哲学中的价值指导融入到自动驾驶决策中。 CPW-Drive以中国儒家思想为知识源，通过人工筛选和验证，将LLM从相关经典文本中提取的关键词整合为与驾驶相关的价值原则。然后，它通过特定场景的案例将这些原则置于情境中，形成可检索和可重用的价值指导。我们进一步提出物理感知空间相似性检索（PSSR），它比较车辆布局和速度外推状态以检索物理相关的历史案例。在 Highway-env 的多车道高速公路驾驶任务中，CPW-Drive 在三种交通配置下的成功率分别为 93.0%、86.0% 和 72.0%。这些结果分别比最强基线高 8.0、22.5 和 25.0 个百分点。在所有配置中，CPW-Drive 实现了最高的无碰撞步数并保持较低的换道频率。结果表明，结构化价值指导可以提高模拟闭环的安全性和稳定性，同时引入效率和延迟权衡。
