面向简化车道合并情景的通用大语言模型作为人类驾驶行为模型
人工智能
2026-05-19 v2 机器人学
摘要
人类行为模型对于作为行为参考和用于自动驾驶车辆(AV)虚拟安全评估中的人类代理模拟至关重要，但当前模型面临可解释性和灵活性之间的权衡。通用大语言模型(LLM)提供了一条有前景的替代方案：单个模型可能无需参数拟合即可跨各种场景部署。然而，LLM 能否捕捉关于人类驾驶行为的要点仍不为人所知。我们通过将两种通用 LLM(OpenAI o3 和 Google Gemini 2.5 Pro)嵌入简化的一维车道合并情景中，作为独立的闭环驾驶代理进行比较，其行为被用于量化和定性分析。两种模型都再现了人类类似间歇性操作控制和对空间线索的战术依赖。然而，两者都未能持续捕捉人类对动态速度线索的响应，安全性能在模型之间呈现明显差异。系统性的提示消除研究揭示，提示组件充当模型特定的归纳偏置，这些偏置不会在 LLM 之间传递。这些发现表明，通用 LLM 可能在 AV 评估管道中作为独立的、即插即用的人类行为模型，但未来的研究仍需更好地理解其故障模式并确保其作为人类驾驶行为模型的有效性。
引用
@article{arxiv.2604.09609,
title = {General-purpose LLMs as Models of Human Driver Behavior: The Case of Simplified Merging},
author = {Samir H. A. Mohammad and Wouter Mooi and Arkady Zgonnikov},
journal= {arXiv preprint arXiv:2604.09609},
year = {2026}
}
备注
To be published in proceedings of IEEE ITSC 2026