跳到正文
arXiv cs.AI· Augusto Luis Ballardini, Miguel \'Angel Sotelo·· 4 小时前AI 评分29

利用知识表示与大语言模型实现自动驾驶的类人语义导航

Human-like Semantic Navigation for Autonomous Driving using Knowledge Representation and Large Language Models

AI 导读

研究探索用大语言模型将非正式导航指令翻译为 Answer Set Programming 规则,为自动驾驶提供不依赖预定义地图的非单调推理能力。实验显示,LLM 生成的 ASP 约束能把真实城市驾驶逻辑编码为形式化知识表示,提升动态导航规划的可适应性与可解释性。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:实现自动驾驶车辆的完全自动化仍是一项挑战,尤其是在需要实时适应能力的动态城市环境中进行导航时。现有系统由于严重依赖预定义的地图信息,在面对道路布局的不可预测变化、临时绕行或地图数据缺失时,难以处理导航规划。在本工作中,我们探索使用大型语言模型,通过将非正式导航指令转换为结构化的、基于逻辑的推理,来生成答案集编程规则。ASP 提供非单调推理,使自动驾驶车辆能够适应不断变化的场景,而无需依赖预定义地图。我们提出了一项实验评估,其中 LLM 生成 ASP 约束,将现实世界的城市驾驶逻辑编码为形式化的知识表示。通过将非正式导航指令自动转换为逻辑规则,我们的方法提高了自主导航中的适应性和可解释性。结果表明,LLM 驱动的 ASP 规则生成支持基于语义的决策,为动态导航规划提供了一个可解释的框架,该框架与人类传达导航意图的方式高度一致。
评论: 7 页,5 幅图,内部报告
主题: 机器人学(cs.RO);人工智能(cs.AI)
引用为: arXiv:2505.16498 [cs.RO]
  (或使用 arXiv:2505.16498v2 [cs.RO] 查看此版本)
  https://doi.org/10.48550/arXiv.2505.16498

由 DataCite 颁发的 arXiv DOI

提交历史

来自:Augusto Luis Ballardini 博士 [查看电子邮件]
[v1] 2025 年 5 月 22 日星期四 10:32:43 UTC(2,033 KB)
[v2] 2026 年 11 月 17 日星期二 12:54:18 UTC(2,033 KB)

来源:arXiv cs.AI · arxiv.org