CorrA：利用大语言模型实现自动驾驶车辆的动态避障
机器人学
2025-03-05 v1 系统与控制
系统与控制
摘要
在本文中，我们提出了 Corridor-Agent (CorrA)，这是一个将大语言模型（LLM）与模型预测控制（MPC）相结合的框架，以解决自动驾驶车辆动态避障的挑战。我们的方法利用 LLM 的推理能力为基于 Sigmoid 的边界函数生成适当的参数，这些函数定义了障碍物周围的安全走廊，从而有效地减小了受控车辆的状态空间。所提出的框架根据实时车辆数据动态调整这些边界，在保证无碰撞轨迹的同时，确保了计算效率和轨迹最优性。该问题被表述为一个最优控制问题，并使用微分动态规划（DDP）进行约束优化求解，且所提出的方法被嵌入在 MPC 框架内。大量的模拟和真实世界实验表明，与基线 MPC 方法相比，所提出的框架在复杂、动态环境中保持安全性和效率方面实现了卓越的性能。
引用
@article{arxiv.2503.02076,
title = {CorrA: Leveraging Large Language Models for Dynamic Obstacle Avoidance of Autonomous Vehicles},
author = {Shanting Wang and Panagiotis Typaldos and Andreas A. Malikopoulos},
journal= {arXiv preprint arXiv:2503.02076},
year = {2025}
}