arXiv cs.AI· Xiaojun Bi, Xiaoyuan Ma, Yiwen Sun, Tianren Huang, Chaoran Liu, Bokai Huang, Hao Yang, Baichuan Mo·· 3 天前AI 评分23
受中国哲学智慧引导的检索增强大语言模型自动驾驶决策框架 CPW-Drive
Retrieval-Augmented Large Language Model Decision-Making for Autonomous Driving Guided by Chinese Philosophical Wisdom
AI 导读
研究者提出 CPW-Drive，一个闭环 RAG 框架，将中国儒家思想提炼的价值原则与场景案例结合，为自动驾驶决策提供可检索的价值引导，并提出物理感知空间相似度检索（PSSR）方法。
正文 · AI 翻译
摘要：自动驾驶决策系统必须在复杂交通交互中平衡安全性、效率与社会规范。在现有的基于数值优化、序列预测和大语言模型（LLM）的自动驾驶决策方法中，哲学与伦理考量受到的关注有限。我们提出中国哲学智慧引导驾驶（CPW-Drive），一个闭环检索增强生成（RAG）框架，将源自中国哲学的价值引导融入自动驾驶决策。CPW-Drive 以中国儒家思想为知识来源，通过人工筛选与验证，将 LLM 从相关经典文本中提取的关键词整合为与驾驶相关的价值原则。随后，它通过场景特定案例将这些原则情境化，形成可检索、可复用的价值引导。我们进一步提出物理感知空间相似度检索（PSSR），通过比较车辆布局与速度外推状态来检索物理相关的历史案例。在 Highway-env 的多车道高速公路驾驶任务上，CPW-Drive 在三种交通配置下分别达到 93.0%、86.0% 和 72.0% 的成功率。这些结果分别比最强基线高出 8.0、22.5 和 25.0 个百分点。在所有配置中，CPW-Drive 均实现了最高的无碰撞步数，并保持较低的变道频率。结果表明，结构化价值引导可以提升模拟闭环中的安全性与稳定性，同时带来效率与延迟方面的权衡。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.03948 [cs.AI] |
| （或 arXiv:2610.03948v3 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.03948 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Xiaoyuan Ma [查看电子邮件]
[v1]
2026年10月2日星期五 19:07:28 UTC（3,687 KB）
[v2]
2026年10月13日星期二 04:52:45 UTC（3,687 KB）
[v3]
2026年10月14日星期三 13:28:56 UTC（3,687 KB）
来源：arXiv cs.AI · arxiv.org