一个基于LLM的驾驶智能评估综合框架

自动驾驶的评估方法对于算法优化至关重要。然而，由于驾驶智能的复杂性，目前尚无对自动驾驶智能水平的综合评估方法。在本文中，我们提出了一种针对复杂交通环境中驾驶行为智能的评估框架，旨在填补这一空白。我们通过自然驾驶实验和驾驶后行为评估访谈，构建了专业驾驶员和乘客的自然语言评估数据集。基于该数据集，我们开发了一个基于LLM的驾驶评估框架。该框架的有效性通过在CARLA城市交通模拟器中的仿真实验得到验证，并通过人工评估进一步证实。我们的研究为评估和设计更智能、更类人的自动驾驶智能体提供了有价值的见解。该框架的实现细节和数据集的详细信息可在Github上找到。