本文經(jīng)自動駕駛之心公眾號授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

DiLu（的盧）是首個基于AI Agent范式的知識驅(qū)動自動駕駛框架，其結(jié)合了常識知識和大語言模型，通過記憶模塊以實現(xiàn)閉環(huán)自動駕駛決策制定并擁有持續(xù)進化的能力。通過不斷對環(huán)境的交互積累經(jīng)驗，自我反思糾正錯誤的決策，從而實現(xiàn)Life-long Learning。DiLu現(xiàn)已在GitHub上開源，歡迎大家體驗。

論文信息

• 論文題目：DiLu: A Knowledge-Driven Approach to Autonomous Driving with Large Language Models （ ICLR 2024 接收）
• 論文發(fā)表單位：上海人工智能實驗室，華東師范大學，香港中文大學
• 論文地址：https://arxiv.org/abs/2309.16292
• 代碼地址：https://github.com/PJLab-ADG/DiLu

研究動機

自動駕駛技術近年來發(fā)展迅速，但目前仍然面臨著諸多挑戰(zhàn)。最主要的挑戰(zhàn)之一是數(shù)據(jù)集偏差和過擬合問題，當前的系統(tǒng)大多基于數(shù)據(jù)驅(qū)動(Data-driven)的深度學習方法，它們在標準化和簡單的駕駛場景下表現(xiàn)良好，但在復雜多變的真實世界環(huán)境中卻經(jīng)常遇到困難。同時，當前的自動駕駛系統(tǒng)在理解復雜的交通環(huán)境、預測其他車輛和行人的行為等方面還存在不足。

正如Yann LeCun 所指出的 [1]：為什么一個從未開過車的少年可以在20 小時內(nèi)學會駕駛，而當今最好的自動駕駛系統(tǒng)則需要數(shù)十億的訓練數(shù)據(jù)和數(shù)百萬次在虛擬環(huán)境中進行強化學習試驗？

這些問題的根源在于現(xiàn)有系統(tǒng)缺乏對環(huán)境深層次理解和適應性，在面對未知或復雜場景時的表現(xiàn)遠遠不及人類駕駛員。人類駕駛員能夠利用其豐富的駕駛經(jīng)驗和常識性知識，靈活地應對各種駕駛情境。這種能力源自于人類的知識驅(qū)動行為，即基于對環(huán)境的理解、經(jīng)驗的積累和邏輯推理來做出決策。這引發(fā)了我們的思考，如何將人類的這種知識驅(qū)動方式應用于自動駕駛系統(tǒng)，以使其能夠不斷積累經(jīng)驗，提升其在面對復雜環(huán)境時的表現(xiàn)。

知識驅(qū)動的自動駕駛范式

基于上述動機，我們提出了知識驅(qū)動（Knowledge-driven）的自動駕駛范式。這一范式的靈感正是來源于人類的駕駛行為。當面臨新的駕駛情境時，人類駕駛員依靠積累的經(jīng)驗和常識做出決策。例如，遇到前車可能掉落貨物的情況時，人類會基于常識保持安全距離。這種基于知識的決策過程與數(shù)據(jù)驅(qū)動方法截然不同，后者依賴大量相似數(shù)據(jù)來擬合特定場景，但缺乏對環(huán)境的深入理解。

在上圖中，我們展示了這一范式的理念。圖中的駕駛智能體（Driver Agent）具有三個關鍵能力：回憶（Recall）、反思（Reflect）和推理（Reason）。這些能力使得智能體不僅能夠從記憶模塊（Memory）中提取過往經(jīng)驗，進行場景分析和決策；還能通過與環(huán)境（Environment）的不斷交互和記憶的更新，實現(xiàn)持續(xù)的進化。與傳統(tǒng)的數(shù)據(jù)驅(qū)動方法相比，知識驅(qū)動的自動駕駛范式更加注重對環(huán)境的理解推理和自我持續(xù)學習的能力。

關于知識驅(qū)動的自動駕駛更細致的介紹，請參考我們團隊的綜述：Towards Knowledge-driven Autonomous Driving (https://arxiv.org/abs/2312.04316). [2]

DiLu框架介紹

基于上述知識驅(qū)動的自動駕駛新范式，我們嘗試并實現(xiàn)了一個全新的自動駕駛框架：DiLu（的盧）。該框架通過整合利用大語言模型（LLM），實現(xiàn)基于常識的決策和持續(xù)的駕駛經(jīng)驗累積。該框架由四個核心模塊組成：環(huán)境（Environment）、推理(Reasoning)、反思(Reflection)和記憶(Memory)。下圖詳細展示了DiLu框架的工作流程和各模塊之間的交互方式，包括環(huán)境感知、推理決策生成、決策的反思評估，以及記憶的更新和累積。

推理模塊是DiLu框架中的關鍵組成部分，它利用LLM的常識知識和存儲在記憶模塊中的經(jīng)驗來進行Few-shot決策制定。具體來說，推理模塊首先從環(huán)境中獲得場景描述，然后結(jié)合記憶模塊中的相似經(jīng)驗生成決策所需Prompt。接著，這些提示被輸入到LLM中，LLM基于這些信息生成當前幀的駕駛決策，并輸入環(huán)境實現(xiàn)決策閉環(huán)。下圖展示了推理模塊的工作流程，包括場景描述的生成、記憶模塊的調(diào)用、提示的生成以及LLM的決策解碼過程。

反思模塊是DiLu框架中的另一個核心部分，它負責評估并修正推理模塊產(chǎn)生的決策。這一模塊通過分析記錄的決策序列來識別不安全或不準確的決策，并利用LLM的智能對這些錯誤決策進行修正。修正后的決策會被更新回記憶模塊，從而實現(xiàn)系統(tǒng)的持續(xù)學習和進化。下圖展示了反思模塊的工作流程，包括決策的評估、關鍵決策幀的采樣、錯誤修正和經(jīng)驗的更新過程。

實驗結(jié)果

DiLu使用Highway-env仿真環(huán)境進行閉環(huán)實驗測試。Highway-env [3] 是一個基于OpenAI Gym開發(fā)的Python環(huán)境，專為開發(fā)和測試自動駕駛系統(tǒng)的決策算法而設計，提供了一個充滿挑戰(zhàn)的多車交互路況環(huán)境。下面這個視頻展示了一次閉環(huán)實驗中，DiLu框架如何在復雜的交通情境中作出決策。視頻中，綠色的自車不僅成功地進行了變道以提升車速，還像經(jīng)驗豐富的司機一樣與前車保持了安全距離，沒有采取任何冒險的駕駛策略。同時，DiLu在每個決策節(jié)點不僅能做出準確的駕駛決策，還能展示其完整的推理過程，這一點體現(xiàn)了我們框架優(yōu)異的可解釋性。

此外，我們還進行了一系列精心設計的量化實驗，來驗證DiLu框架在自動駕駛閉環(huán)決策中的表現(xiàn)。我們將DiLu與Highway-env下現(xiàn)有的強化學習方法GRAD [4] 進行了比較。我們發(fā)現(xiàn)，DiLu 僅使用記憶模塊中的 40 條經(jīng)驗就超過了強化學習方法在 600,000 個episodes訓練后的閉環(huán)表現(xiàn)。同時，DiLu在泛化能力方面也表現(xiàn)出顯著的優(yōu)勢，特別是在高密度交通環(huán)境下，DiLu展示了其出色的閉環(huán)成功率。基于數(shù)據(jù)驅(qū)動的強化學習方法相比，DiLu不僅更加聰明，而且具有更強的泛化能力。此外，我們的實驗也證實了DiLu框架能夠有效利用其記憶模塊中的經(jīng)驗，不斷地提升決策質(zhì)量和系統(tǒng)的整體性能。

總結(jié)

DiLu是首個基于AI Agent范式的知識驅(qū)動自動駕駛框架，可能也是第一個將LLM和自動駕駛決策相結(jié)合的工作。具體來說：DiLu結(jié)合了常識知識和大語言模型技術，通過記憶模塊以實現(xiàn)駕駛決策制定并擁有持續(xù)進化的能力。DiLu可以通過不斷對環(huán)境的交互積累經(jīng)驗，并通過自我反思糾正錯誤的決策，從而實現(xiàn)Life-long Learning。通過大量實驗，我們證明了DiLu框架在經(jīng)驗積累和泛化能力方面具有顯著優(yōu)勢，并可以隨著LLM的發(fā)展同步提升性能。此外，DiLu還能夠直接從真實世界數(shù)據(jù)集中獲取經(jīng)驗，這為其在實際自動駕駛系統(tǒng)中的應用提供了潛力。

原文鏈接：https://mp.weixin.qq.com/s/2sKGP7HfxVQgEMqqez-dNA