面向未来城市级自动出行需求系统的 VLM 增强式城市协同调度与运动规划
机器人学
2025-01-13 v1 人工智能
多智能体系统
摘要
日益增长的对灵活高效城市交通解决方案的需求凸显了传统需求响应交通 (DRT) 系统的局限性，尤其是在满足不同乘客需求和动态城市环境方面。自动出行需求 (AMoD) 系统作为一种有前景的替代方案，利用连接的自动驾驶车辆 (CAV) 提供响应和适应性服务。然而，现有方法主要集中于车辆调度或路径规划，这些方法往往简化了复杂的城市布局，忽视了 CAV 之间协调和互相避免的必要性。这种简化为在现实场景中部署 AMoD 系统 presents significant 挑战。为了解决这些差距，我们提出了 CoDriveVLM，一个集成高保真式调度和协作运动规划的新框架，用于未来 AMoD 系统。我们利用视觉语言模型 (VLM) 增强多模态信息处理，从而实现全面调度和碰撞风险评估。引入了 VLM 增强 CAV 调度协调器，以有效管理复杂和不可预见的 AMoD 条件，从而支持高效的调度决策。此外，我们提出了一种通过共识交替方向乘子方法 (ADMM) 实现的可扩展的去中心化协作运动规划方法，专注于碰撞风险评估和去中心化轨迹优化。仿真结果表明 CoDriveVLM 在各种交通条件下具有可行性和鲁棒性，展示了其在未来城市交通网络中显著提高 AMoD 系统保真度和有效性的潜力。该代码可在 https://github.com/henryhcliu/CoDriveVLM.git 获取。
引用
@article{arxiv.2501.06132,
title = {CoDriveVLM: VLM-Enhanced Urban Cooperative Dispatching and Motion Planning for Future Autonomous Mobility on Demand Systems},
author = {Haichao Liu and Ruoyu Yao and Wenru Liu and Zhenmin Huang and Shaojie Shen and Jun Ma},
journal= {arXiv preprint arXiv:2501.06132},
year = {2025}
}