LangCoop：使用语言进行协作驾驶
机器人学
2025-04-22 v2 人工智能
计算与语言
计算机视觉与模式识别
摘要
多智能体协作有着巨大的潜力，通过使多个连接智能体之间共享信息，能够增强自动驾驶系统的安全性、可靠性和可移动性。然而，现有的多智能体通信方法受限于现有通信媒介，包括高带宽需求、智能体异构性和信息丢失。为此，我们引入了 LangCoop，这是一种新的协作式自动驾驶范式，利用自然语言作为紧凑且富有表达力的媒介进行智能体间通信。LangCoop 具有两个关键创新：Mixture Model Modular Chain-of-thought (MCoT) 用于结构化零-shot 视觉语言推理，以及 Natural Language Information Packaging (LangPack) 用于高效地将信息打包到简洁的语言消息中。通过在 CARLA 仿真中进行的广泛实验，我们展示了 LangCoop 在封闭环评估中实现了约 96% 的通信带宽减少（< 2KB/消息），同时保持了具竞争力的驾驶性能。我们的项目页面和代码位于 https://xiangbogaobarry.github.io/LangCoop/。
引用
@article{arxiv.2504.13406,
title = {LangCoop: Collaborative Driving with Language},
author = {Xiangbo Gao and Yuheng Wu and Rujia Wang and Chenxi Liu and Yang Zhou and Zhengzhong Tu},
journal= {arXiv preprint arXiv:2504.13406},
year = {2025}
}