从提示到铺装：基于大模型的智能体行为树生成框架用于自动驾驶车辆
计算机视觉与模式识别
2026-05-20 v1 人工智能
机器人学
摘要
自动驾驶车辆（AVs）需要适应性行为规划器以安全地导航到不可预测的真实世界环境中。传统行为树（BT）提供结构化的决策逻辑，但本质上是静态的，需要大量的人工调优，限制了其在SAE Level 5自动驾驶中的应用。本文提出了一个智能体框架，利用大语言模型（LLM）和多模态视觉模型（LVM）动态生成和适应BT。在该框架中，一个专门的描述符智能体应用符号链提示来评估场景的严重程度，一个规划器智能体通过上下文学习构建高层次目标，一个生成器智能体以XML格式合成可执行的BT子树。该系统集成到CARLA+Nav2仿真环境中，仅在基线BT失败时触发，证明了其能够在没有人工干预的情况下成功导航绕过意外障碍物（如街道阻塞）。与静态BT基线相比，该方法证明了该方法可扩展到多种驾驶场景。
引用
@article{arxiv.2601.12358,
title = {From Prompts to Pavement: LMMs-based Agentic Behavior-Tree Generation Framework for Autonomous Vehicles},
author = {Omar Y. Goba and Ahmed Y. Gado and Catherine M. Elias and Ahmed Hussein},
journal= {arXiv preprint arXiv:2601.12358},
year = {2026}
}