思维链在自动驾驶中的应用：综合综述与未来展望
机器人学
2025-05-27 v1 机器学习
摘要
大语言模型在自然语言处理领域的快速发展显著提升了其语义理解与逻辑推理能力。这些能力已被应用于自动驾驶系统，为系统性能的显著改善做出了贡献。诸如 OpenAI o1 和 DeepSeek-R1 等模型利用思维链推理，这是一种模拟人类思维过程的高级认知方法，在复杂任务中展现出卓越的推理能力。通过将复杂驾驶场景构建于系统化推理框架内，该方法已成为自动驾驶领域的重要研究热点，显著提升了系统处理棘手情况的能力。本文研究 CoT 方法如何提升自动驾驶模型的推理能力。基于全面的文献综述，我们系统分析了 CoT 在自动驾驶中的动机、方法、挑战及未来研究方向。此外，我们提出将 CoT 与自学习相结合的见解，以促进驾驶系统的自我进化。为确保本研究的相关性与时效性，我们整理了一个包含文献与开源项目的动态资源库，并持续更新以纳入前沿进展。该资源库公开于 https://github.com/cuiyx1720/Awesome-CoT4AD。
引用
@article{arxiv.2505.20223,
title = {Chain-of-Thought for Autonomous Driving: A Comprehensive Survey and Future Prospects},
author = {Yixin Cui and Haotian Lin and Shuo Yang and Yixiao Wang and Yanjun Huang and Hong Chen},
journal= {arXiv preprint arXiv:2505.20223},
year = {2025}
}
备注
18 pages, 6 figures