Driving-RAG：驾驶情景嵌入、检索与应用
机器人学
2025-04-08 v1 人工智能
摘要
驾驶情景数据在智能车辆和自动驾驶的开发中发挥着日益重要的作用。准确且高效的情景数据检索对于在线车辆决策和规划以及离线情景生成和仿真至关重要，因为它允许利用情景经验来提高整体性能。尤其是在大语言模型(LLM)和检索增强生成(RAG)系统在自动驾驶领域的应用日益增长后，对情景数据嵌入、检索和 RAG 系统应用提出了迫切的需求。在本文中，我们引入 Driving-RAG 框架以解决情景数据高效嵌入、检索和 RAG 系统应用方面的挑战。我们的嵌入模型将基本情景信息和情景距离度量在向量空间中对齐。结合典型情景抽样方法和分层可导航小世界，可在不牺牲准确性的前提下实现情景向量的高效检索。此外，基于图知识的重组机制增强了与提示情景的相关性，并增强了 LLM 生成。我们在典型的轨迹规划任务中展示了该框架的有效性，涵盖包含坡道和交叉口等复杂互动情景，展示了其在 RAG 应用中的优势。
引用
@article{arxiv.2504.04419,
title = {Driving-RAG: Driving Scenarios Embedding, Search, and RAG Applications},
author = {Cheng Chang and Jingwei Ge and Jiazhe Guo and Zelin Guo and Binghong Jiang and Li Li},
journal= {arXiv preprint arXiv:2504.04419},
year = {2025}
}