Navigation-GPT：利用大语言模型构建的稳健且自适应的导航框架
人工智能
2025-02-25 v1
摘要
现有导航决策支持系统在处理非预定义导航情景时表现不佳。利用大语言模型（LLM）在处理未知情景中的泛化能力，本研究提出一种双核框架以解决此问题。首先，通过基于 ReAct 的提示工程，一个大型 LLM 核心将复杂的导航任务分解为可管理的子任务，自动调用相应外部工具获取相关信息，利用该反馈减轻 LLM 幻觉的风险。随后，设计一个微调且紧凑的 LLM 核心，类似副舵手，处理此类信息和非结构化外部数据，然后生成符合国际海事防止碰撞规则（COLREGs）及其他规则的情境感知建议，最终提供导航提示。广泛的实验表明，所提框架不仅在传统船舶碰撞规避任务中表现卓越，还能有效适应非结构化、非预定义且不可预测的情景。与 DeepSeek-R1、GPT-4o 等 SOTA 模型的比较分析凸显了该框架的有效性与合理性。本研究填补了传统导航系统与 LLM 之间的鸿沟，为增强多样化导航应用中的安全性和操作效率提供了框架。
引用
@article{arxiv.2502.16402,
title = {Navigation-GPT: A Robust and Adaptive Framework Utilizing Large Language Models for Navigation Applications},
author = {Feng Ma and Xiu-min Wang and Chen Chen and Xiao-bin Xu and Xin-ping Yan},
journal= {arXiv preprint arXiv:2502.16402},
year = {2025}
}