想像一下，只需告訴您的車輛「我很趕」，它就會自動帶您走最有效的路線到達您需要去的地方。
普渡大學的工程師發現，自動駕駛汽車（AV）可以在ChatGPT或其他聊天機器人的幫助下做到這一點，這些聊天機器人通過稱為Big Language Model的人工智慧算法實現。
該研究報告發布在預印本伺服器arXiv上，並將於9月25日在第27屆IEEE國際智能交通系統會議上發布。這可能是測試真正的自動駕駛汽車如何使用大型語言模型來解釋乘客命令並相應駕駛的首批實驗之一。
領導這項研究的普渡大學萊爾斯土木與建築工程學院助理教授Ziran Wang認為，如果車輛有一天實現完全自動駕駛，它們需要了解乘客發出的所有命令，即使是隱性命令。例如，當您說您很趕時間時，計程車司機就會知道您需要什麼，而不必指定司機應該走哪條路線來避免交通堵塞。
儘管今天的自動駕駛汽車具有允許您與它們通信的功能，但它們要求您比與人交談時更清晰。相比之下，大型語言模型可以以更人性化的方式解釋和響應，因為它們經過訓練，能夠從大量文本數據中提取關係並隨著時間的推移學習。
王說：「我們車輛中的傳統系統有用戶界面設計，你必須按下按鈕才能傳達你想要的信息，或者音頻識別系統，要求你說得非常清楚，這樣你的車輛才能理解你。」「但大型語言模型的力量在於，它們可以更自然地理解你所說的各種話。我認為任何其他現有系統都無法做到這一點。"
普渡大學博士生崔燦坐在自動駕駛汽車的測試中。控制台中的麥克風接收他的命令，雲中的大型語言模型解釋它們。車輛根據大語言模型生成的指令行駛。圖片來源：普渡大學/約翰·安德伍德
進行新研究
在這項研究中，大型語言模型並不能驅動自動駕駛汽車。相反，他們利用自動駕駛汽車的現有功能來輔助駕駛。王和他的學生發現，通過整合這些模型，自動駕駛汽車不僅可以更好地了解乘客，還可以個性化駕駛以滿足乘客滿意度。
在開始實驗之前，研究人員使用各種提示來訓練ChatGPT，包括更直接的命令（例如，「請開得更快」）到更多間接命令（例如，「我現在感覺有點暈車」）。當ChatGPT學會如何響應這些命令時，研究人員為它提供了要遵循的大型語言模型參數，要求它考慮交通規則、道路狀況、天氣和其他信息以及由攝像頭和光線檢測等車輛傳感器檢測到的範圍。
然後，研究人員通過雲將這些大型語言模型提供給具有由SAGE International定義的四級自主權的實驗車輛。4級距離業界認為的完全自動駕駛汽車僅差一級。
當車輛的語音識別系統在實驗中檢測到乘客發出的命令時，雲中的大型語言模型將根據研究人員定義的參數推斷命令。然後，這些模型為車輛的電傳駕駛系統（連接到油門、剎車、齒輪和轉向機）生成如何根據命令駕駛的指令。
當研究參與者坐在駕駛座上測試自動駕駛汽車並發出命令時，普渡大學的一名研究人員坐在後面，監控來自大型語言模型和車輛攝像頭的反饋。車輛從後到前照片：普渡大學碩士生、博士生周玉鵬。學生崔燦。圖片來源：普渡大學/約翰·安德伍德
在一些實驗中，王的團隊還測試了他們安裝在系統中的存儲模塊，該模塊允許大型語言模型存儲有關乘客歷史偏好的數據，並學習如何將其納入對命令的響應中。
研究人員在印第安納州哥倫布市的一個測試場進行了大部分實驗，那裡曾經是機場跑道。這種環境使他們能夠安全地測試車輛在跑道上以高速公路速度行駛並處理雙向交叉口時對乘客命令的反應。他們還測試了根據乘客指示停放在普渡大學羅斯助手體育場停車場的車輛。
研究參與者使用了他們在乘車時學到的命令和新命令的大型語言模型。根據他們的乘車後調查反饋，與人們在沒有大型語言模型幫助的情況下乘坐四級自動駕駛汽車時感受的數據相比，參與者對他們在自動駕駛汽車中做出的決定表示不舒服的比例更低。
該團隊還將自動駕駛汽車的性能與基於人們平均認為安全和舒適的乘坐數據創建的基線值進行了比較，例如車輛將以多長時間和多快的速度響應以避免追尾碰撞。車輛加速和減速。研究人員發現，在使用大型語言模型駕駛時，這項研究中的自動駕駛汽車的表現優於所有基線值，即使在響應模型尚未學習的命令時也是如此。
測試的自動駕駛汽車的後備箱包含一個電傳駕駛系統，該系統允許雲中的大型語言模型來協助車輛響應乘客命令。圖片從左到右：博士來自普渡大學。普渡大學學生楊子沖和助理教授王子然。圖片來源：普渡大學/約翰·安德伍德
未來方向
王表示，這項研究中的大型語言模型平均需要1.6秒來處理乘客命令，這在非時間緊迫的情況下被認為是可以接受的，但如果自動駕駛汽車需要更快地響應，則應該進行改進。這是一個普遍影響大型語言模型的問題，行業和大學研究人員正在解決。
儘管不是這項研究的重點，但眾所周知，像ChatGPT這樣的大型語言模型容易出現「幻覺」，這意味著它們可能會誤解自己學到的內容並做出錯誤的反應。Wang的研究是在一個帶有故障保護機制的設置中進行的，該機制允許參與者在大型語言模型誤解命令時安全騎行。在整個過程中，參與者對這些模型的理解有所提高，但錯覺仍然是汽車製造商在考慮在自動駕駛汽車中實施大型語言模型之前必須解決的問題。
除了大學研究人員進行的研究外，汽車製造商還需要使用大型語言模型進行更多測試。王說，將這些模型與自動駕駛汽車的控制器集成還需要監管機構的批准，以便它們能夠真正駕駛車輛。
與此同時，王和他的學生正在繼續實驗，這可能有助於行業探索向自動駕駛汽車添加大型語言模型。
測試自動駕駛汽車是普渡大學Rose Aide體育場停車場演示的一部分。圖片來源：普渡大學/約翰·安德伍德
自從他們的研究測試ChatGPT以來，研究人員基於大型語言模型評估了其他公共和私人聊天機器人，例如谷歌的Gemini和Meta的Llama AI助手系列。到目前為止，他們已經看到ChatGPT在自動駕駛汽車中安全有效駕駛方面表現最佳。公布的結果將很快公布。
下一步是看看每輛自動駕駛汽車的大型語言模型是否可以相互對話，例如幫助自動駕駛汽車確定在四個方向停車時哪一輛應該先走。王的實驗室還啟動了一個項目，研究如何使用大型視覺模型來幫助自動駕駛汽車在中西部常見的極端冬季天氣中行駛。這些模型與大型語言模型類似，但是基於圖像而不是文本訓練的。
此視頻下方的視頻中有連結。如果您感興趣，可以打開看看。
感謝您觀看此視頻。如果您喜歡，請訂閱並點讚。謝謝
原文：https://techxplore.com/news/2024-09-autonomous-vehicles-passengers-chatgpt.html
更多信息：Can Cui等人，使用大型語言模型的個性化自動駕駛：現場實驗，arXiv（2023）。DOI：10.48550/arxiv.2312.09397
期刊信息：arXiv
輸油管：
