यह शोधपत्र एक ज्ञान संपादन तकनीक का प्रस्ताव करता है जो बड़े पैमाने के मल्टीमॉडल मॉडल (LMM) को स्वायत्त ड्राइविंग प्रणालियों (ADS) पर लागू करने में आने वाली चुनौतियों, जैसे यातायात ज्ञान संबंधी त्रुटियाँ, जटिल सड़क परिवेश और विविध वाहन स्थितियों, का समाधान करेगी। हमारा लक्ष्य ज्ञान संपादन का लाभ उठाकर ADS के प्रदर्शन को बेहतर बनाना है, जिससे पूर्ण पुनर्प्रशिक्षण की आवश्यकता के बिना मॉडल व्यवहार में लक्ष्य-निर्देशित संशोधन संभव हो सके। इस उद्देश्य से, हम ADS-Edit प्रस्तुत करते हैं, जो एक मल्टीमॉडल ज्ञान संपादन डेटासेट है जो विविध वास्तविक-विश्व परिदृश्यों, अनेक डेटा प्रकारों और व्यापक मूल्यांकन मानकों को समाहित करता है। इसके बाद हम व्यापक प्रयोगों के माध्यम से कई निष्कर्ष निकालते हैं। कोड और डेटा सार्वजनिक रूप से उपलब्ध हैं।
