面向L4级自动驾驶的端到端大模型控制策略与可解释性验证系统设计.docxVIP

PAGE2

面向L4级自动驾驶的端到端大模型控制策略与可解释性验证系统设计

摘要

随着人工智能技术的飞速发展，自动驾驶技术正从L2级辅助驾驶向L4级高度自动驾驶跨越。然而，传统的模块化架构在复杂场景下存在误差累积问题，而现有的端到端模型虽提升了性能，却面临“黑盒”不可解释与安全性难以验证的痛点。本课题旨在构建一套面向L4级自动驾驶的端到端大模型控制策略与可解释性验证系统，以解决感知-规划-控制一体化过程中的决策透明度与安全性问题。

本文首先分析了L4级自动驾驶在复杂城市道路与低空经济应用场景下的需求，提出了基于Transformer架构的感知-规划-控制一体化端到端大模型方案。其次，设计了基于注意力机制的可解释性验证模块，通过可视化技术展示模型关注区域，增强决策逻辑的透明度；同时引入安全约束控制策略，利用控制障碍函数构建安全边界，确保系统在极端工况下的鲁棒性。

在系统实现阶段，基于PyTorch深度学习框架搭建了模型训练与推理平台，并在CARLA仿真环境中进行了系统集成。通过设计多维度的测试用例，验证了系统在直行、转弯、紧急避障等场景下的控制精度与可解释性效果。测试结果表明，该系统不仅能够实现精准的车辆控制，还能有效输出决策依据，显著提升了自动驾驶系统的可信度与安全性。

关键词：L4级自动驾驶；端到端大模型；可解释性；安全约束控制；注意力机制

第一章绪论

1.1研究背景