Pedestrian-Aware LLM-Driven Behavioral Planning for Autonomous Vehicles

작성자

Haebom

카테고리

Empty

저자

Aidana Baimbetova, Haruki Yonekura, Hamada Rizk, Hirozumi Yamaguchi

💡 개요

자율주행차는 복잡한 도심 환경에서 예측 불가능한 보행자 행동에 대처해야 하지만, 기존 강화학습 기반 시스템은 이러한 상황에서 일반화 능력이 떨어집니다. 본 논문은 대규모 언어 모델(LLM)을 활용하여 보행자 의도를 추론하고 위험을 예측하여 안전한 주행 결정을 내리는 보행자 인지 행동 계획 프레임워크를 제안합니다. LLM 기반 에이전트는 특히 예상치 못한 보행자 행동 시나리오에서 제로샷 및 소수샷 평가에서 기존 딥 강화학습 기반 시스템보다 훨씬 높은 충돌 없는 성공률을 달성했습니다.

🔑 시사점 및 한계

•

LLM을 통해 인간과 유사한 자연어 추론을 바탕으로 자율주행차의 안전하고 신중한 행동 계획이 가능함을 입증했습니다.

•

LLM은 다양한 보행자 행동 시나리오에서 뛰어난 일반화 성능을 보여주며, 특히 학습되지 않은 상황에서도 강건한 의사결정 능력을 나타냅니다.

•

본 연구는 LLM의 의사결정 과정이 해석 가능하고 인간의 행동과 일관성을 보인다는 점을 강조하며, 이는 안전이 중요한 자율주행 시스템에 매우 중요합니다.

•

LLM 기반 프레임워크의 실시간 처리 능력과 복잡한 도시 환경에서의 광범위한 테스트 및 검증이 향후 과제로 남아있습니다.

PDF 보기

Made with Slashpage