基于知识与大语言模型的高速环境自动驾驶决策研究.pdfVIP

第37卷第5期系统仿真学报系统仿真学报©Vol.37No.5

2025年5月JournalofSystemSimulationMay2025

基于知识与大语言模型的高速环境自动驾驶决策研究基于知识与大语言模型的高速环境自动驾驶决策研究

王祥，谭国真

(大连理工大学计算机科学与技术学院，辽宁大连116081)

摘要摘要：：针对当前自动驾驶系统缺乏持续学习和可解释性问题。提出具有认知、泛化和学习能力的

决策模型，利用大语言模型（largelanguagemodel，LLM）、注意力机制理解和解释驾驶场景，通

过模拟人类驾驶行为和决策过程，实现对驾驶经验的积累和学习并根据驾驶经验不断提升决策能

力。在仿真环境中闭环测试决策模型在高速场景的应用，仿真结果表明：知识驱动模型决策成功

率比规则和数据学习方法提高了7%和4%，具备泛化和可解释能力，提高了自动驾驶系统的可信

度和安全性。

关键词关键词：：驾驶经验；大语言模型；注意力机制；可解释性；知识驱动

中图分类号：TP391.9文献标志码：A文章编号：1004-731X(2025)05-1246-10

DOI:10.16182/j.issn1004731x.joss.24-0065

引用格式引用格式:王祥,谭国真.基于知识与大语言模型的高速环境自动驾驶决策研究[J].系统仿真学报,2025,37(5):1246-

1255.

Referenceformat:WangXiang,TanGuozhen.ResearchonDecision-makingofAutonomousDrivinginHighway

EnvironmentBasedonKnowledgeandLargeLanguageModel[J].JournalofSystemSimulation,2025,37(5):1246-1255.

ResearchonDecision-makingofAutonomousDrivinginHighwayEnvironment

BasedonKnowledgeandLargeLanguageModel

WangXiang,TanGuozhen

(Departmentofcomputerscienceandtechnology,DalianUniversityofTechnology,Liaoning116081,China)

Abstract:Aimingatthelackofcontinuouslearningandinterpretabilityofcurrentautonomousdriving

system,adecisionmodelwithcognition,generalizationandlearningabilityisproposed.Themodel

utilizeslargelanguagemodel(LLM)andattentionmechanismstounderstandandexplaindrivingscenes.

thesystemcanaccumulateandlearnfromdrivingexperiences,continuouslyimprovingitsdecision-

makingability.Inasimulation