arXiv cs.AI· Yansong Qu, Jiancong Chen, Samuel Labi·· 10 小时前AI 评分42
Jev-AD：用语言世界模型实现安全语言引导自动驾驶
Jev with Foresight: Safe Language-Guided Autonomous Driving via a Language World Model
AI 导读
Jev-AD 将类型化决策模型 Jev 与语言世界模型结合，后者预测每个候选动作下周边车辆未来两秒的运动，把预测转为可预见的后果供 Jev 比较。在 500 个模拟高速汇入场景中，该前瞻能力将同一决策模型的碰撞率从 26.0% 降至 2.4%，单次决策耗时 0.25 秒，93% 的自由形式指令试验达成乘客意图。
正文 · AI 翻译
摘要：大型语言模型能够理解乘客的驾驶指令，但作为驾驶智能体，它们需要花费数秒在生成的文本中进行推理，并且必须从场景中隐式推断每个动作的后果。我们提出 Jev-AD，它将 Jev（一种类型化决策模型，通过概率而非生成文本回答预定义问题）与语言世界模型相结合，该模型针对每个候选动作预测附近车辆在未来两秒内的运动。代码将这些预测转化为可预见的后果，Jev 对这些后果进行比较，而不是从坐标中推断。在模拟高速公路汇入场景（500 个车辆回合）中，这种预见能力使同一决策模型在每次决策耗时 0.25 秒的情况下，将碰撞率从 26.0% 降至 2.4%，并且 Jev-AD 在 93% 的自由形式指令试验中实现了乘客的意图。在 500 个回放的真实世界 NGSIM 回合中，预见能力将碰撞率从 48.2% 降至 2.8%，并且从该交通数据中学习到的世界模型能够预见 93% 的危险动作。项目页面：此 https URL。
| 学科： | 机器人学（cs.RO）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.05448 [cs.RO] |
| （或 arXiv:2611.05448v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.05448 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yansong Qu [查看电子邮件]
[v1]
2026年11月3日星期二 17:36:47 UTC（1,173 KB）
来源：arXiv cs.AI · arxiv.org