从文字到轮子：自动化风格定制化策略生成用于自动驾驶
机器人学
2024-09-19 v1
摘要
自动驾驶技术取得了快速进展，尤其是基础模型提升了交互性和用户体验。然而，当前的自动驾驶车辆(AV)在提供基于命令的驾驶风格方面存在显著局限。大多数现有方法要么依赖需要专家输入的预定义驾驶风格，要么使用逆强化学习等数据驱动技术从驾驶数据中提取风格。这些方法虽在某些情况下有效，但面临挑战：难以获取特定驾驶数据以匹配风格（例如机器人出租车场景）、驾驶风格指标无法与用户偏好对齐、以及限制于既有风格， restricting 定制化和对新命令的泛化。本文引入 Words2Wheels 框架，自动生成基于自然语言用户命令的定制化驾驶策略。Words2Wheels 采用风格定制化奖励函数，无需依赖先前驾驶数据即可生成风格定制化驾驶策略。通过利用大型语言模型和驾驶风格数据库，框架高效检索、调整和泛化驾驶风格。统计评估模块确保与用户偏好一致。实验结果表明，Words2Wheels 在准确性、泛化性和适应性方面均优于现有方法，提供了一种用于定制化 AV 驾驶行为的新颖解决方案。代码和演示已公开于 https://yokhon.github.io/Words2Wheels/
引用
@article{arxiv.2409.11694,
title = {From Words to Wheels: Automated Style-Customized Policy Generation for Autonomous Driving},
author = {Xu Han and Xianda Chen and Zhenghan Cai and Pinlong Cai and Meixin Zhu and Xiaowen Chu},
journal= {arXiv preprint arXiv:2409.11694},
year = {2024}
}
备注
6 pages, 7 figures