LeAD: 融合端到端自动驾驶的大语言模型增强规划系统
机器人学
2025-07-09 v1 人工智能
摘要
城市自动驾驶系统大规模部署的一个主要障碍在于复杂场景和边缘情况的普遍存在。现有系统无法有效解读交通环境中的语义信息并辨别其他参与者的意图，从而产生与熟练驾驶员推理模式不一致的决策。我们提出了 LeAD，一种双速率自动驾驶架构，它将基于模仿学习的端到端（E2E）框架与大语言模型（LLM）增强相结合。高频 E2E 子系统维持实时的感知-规划-控制循环，而低频 LLM 模块则通过多模态感知融合与高清地图增强场景理解，并在基线规划器遇到能力限制时，通过思维链（CoT）推理推导出最优决策。我们在 CARLA 模拟器中的实验评估表明，LeAD 在处理非常规场景方面表现出色，在 Leaderboard V1 基准测试中获得了 71 分，路线完成率达到 93%。
引用
@article{arxiv.2507.05754,
title = {LeAD: The LLM Enhanced Planning System Converged with End-to-end Autonomous Driving},
author = {Yuhang Zhang and Jiaqi Liu and Chengkai Xu and Peng Hang and Jian Sun},
journal= {arXiv preprint arXiv:2507.05754},
year = {2025}
}