探索利用大型语言模型生成自动驾驶车辆外部接口的沟通行为

《Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies》:Exploring LLMs for Generating Communicational Actions of External Interfaces on Autonomous Vehicles

【字体: 大 中 小 】 时间:2026年08月28日 来源:Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies

编辑推荐:

   摘要AI 摘要要查看此 AI 生成的摘要,您必须拥有高级访问权限。了解更多登录摘要摘要自动驾驶汽车(AVs)需要在不确定的场景下通过外部人机界面(eHMIs)与其他道路使用者进行沟通。现有的 eHMI 基于规则,依赖于为预定义场景手动设计的运动和通信模式,这限制了适应性。为了

  

摘要

摘要

自动驾驶汽车(AVs)需要在不确定的场景下通过外部人机界面(eHMIs)与其他道路使用者进行沟通。现有的 eHMI 基于规则,依赖于为预定义场景手动设计的运动和通信模式,这限制了适应性。为了解决这个问题,我们探索了由 LLM 驱动的 eHMI,这是一种利用大型语言模型(LLMs)类人的推理和通信能力来生成富有表现力的通信动作的新方法。我们调查了两个研究问题:1)预训练的 LLM 如何将预期的通信信息转换为相应的 eHMI 动作?以及 2)这些生成的动作对人类的通信效率如何?为了回答这些问题,我们首先通过迭代原型设计构建了一个提示框架,随后开发了一个端到端的物理管道。最后,我们使用物理原型进行了一项涉及 26 名参与者的现场研究,通过比较人类设计的和 GPT-o3-mini 生成的 eHMI 动作在参与者正确反应和信息解读方面的表现来评估通信效果。结果显示,参与者的正确反应并不等同于他们的正确理解。当前的预训练 LLM 可以产生与人类设计的动作具有相似理解度的通信动作,但不能引发正确的行人反应。我们的讨论强调了人类和 LLM 之间不同的设计模式。

AI 摘要

AI 生成摘要(实验性)

此摘要使用自动化工具生成,未经文章作者撰写或审核。它旨在支持发现,帮助读者评估相关性,并协助来自相邻研究领域的读者理解该工作。它旨在补充作者提供的摘要,后者仍然是论文的主要摘要。全文仍然是权威的记录版本。点击此处了解更多。

点击 此处 评论此摘要的准确性、清晰度和有用性。这样做将有助于提供改进和未来重新生成版本的信息。

要查看此 AI 生成的通俗语言摘要,您必须拥有高级访问权限。

相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号