清华最新ADRD：自动驾驶决策树模型实现可解释性与性能双突破！

作者 | Fanzhi Zeng 来源 | 深蓝AI 点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 >>自动驾驶前沿信息获取 → 自动驾驶之心知识星球 本文只做学术分享，如有侵权，联系删文 摘要 基于规则 的决策系统 通过定义明确的规则来指导车辆行为， 具备很好的透明性和可解释性。但也存在 着 高度依赖于专家知识，开发成本高昂，对复杂动态交通环境的适应性有限 等问题。 针对上述提到的相关问题，并且考虑到目前大语言模型 展现出丰富的世界知识和强大的推理能力 。本 文提出了一种新颖的基于规则决策的LLM驱动的自动驾驶框架 ADRD 。在自动驾驶仿真平台highway- env上的实验结果表明， ADRD在多种典型驾驶场景中表现出强大的泛化能力和鲁棒性。与传统的知识 驱动方法和数据驱动的强化学习方法相比，ADRD在决策性能、响应效率和可解释性方面取得了显著提 升。 论文标题： ADRD: LLM-Driven Autonomous Driving Based on Rule-based Decision Systems 论文作者： Fanzhi Zeng, S ...