您尚未登录账户
您的企业账号申请正在审核中
研究揭示：AI聊天机器人助力自动驾驶车辆理解乘客指令
一项来自普渡大学的研究表明，自动驾驶车辆（AV）能够借助ChatGPT等基于大型语言模型的人工智能聊天机器人，更准确地理解并执行乘客的指令。该研究将于9月25日在第27届IEEE智能交通系统国际会议上展示，它可能是首批测试真实AV如何利用大型语言模型理解乘客命令并据此驾驶的实验之一。
普渡大学土木与建筑工程学院助理教授Ziran Wang领导了这项研究，他认为，要实现车辆的完全自动驾驶，车辆必须能够理解乘客的所有指令，包括隐含的意图。例如，当乘客表示“我很赶时间”时，自动驾驶车辆应能自动选择最高效的路线前往目的地，类似于出租车司机能迅速理解乘客的紧急需求。
当前市场上的AV虽然具备与乘客沟通的功能，但通常需要乘客的指令非常明确，这与人类之间的自然交流存在差距。相比之下，大型语言模型通过处理海量文本数据并持续学习，能够更自然地理解各种表述，并给出相应的回应。
在这项研究中，大型语言模型并未直接控制AV的驾驶，而是作为辅助工具，利用AV现有的功能来优化驾驶体验。研究人员首先训练ChatGPT等模型，使其能够响应从直接命令（如“请开快点”）到间接表达（如“我现在有点晕车”）的各种指令。随后，他们将这些模型集成到AV系统中，并设定了一系列参数，包括交通规则、路况、天气以及车辆传感器检测到的其他信息。
实验过程中，研究人员将训练好的大型语言模型部署在云端，并与一辆达到SAE国际四级自动驾驶标准的实验车辆相连。当车辆的语音识别系统检测到乘客的指令时，云端的语言模型会根据预设参数分析指令，并向车辆的线控系统发送操作指令，控制油门、刹车、档位和转向。
此外，研究团队还测试了一个记忆模块，该模块能够存储乘客的历史偏好数据，并帮助语言模型在响应指令时考虑这些偏好。实验主要在印第安纳州哥伦布市的一个测试场进行，该场地原为机场跑道，为高速驾驶和应对双向交叉路口提供了安全环境。研究还测试了车辆在普渡大学罗斯-阿德体育场停车场内的停车表现。
实验结果显示，参与者在乘坐使用大型语言模型辅助的AV时，对车辆决策的不适感低于未使用此类模型的平均水平。同时，与基于安全舒适驾驶标准的基线值相比，该AV在响应各种指令时的表现均优于基线，包括那些模型未预先学习过的指令。
