中国哲学智慧让自动驾驶成功率飙至93%，比最强基线高出25个百分点！
Retrieval-Augmented Large Language Model Decision-Making for Autonomous Driving Guided by Chinese Philosophical Wisdom
📖 AI 总结
该研究提出CPW-Drive框架，将中国哲学价值引导引入自动驾驶决策，以弥补现有基于数值优化、序列预测和大语言模型的方法在哲学与伦理考量上的不足。框架以儒家思想为知识来源，通过人工筛选与验证，将大语言模型从经典文本中提取的关键词凝练为与驾驶相关的价值原则，并结合场景化案例形成可检索、可复用的价值指引。研究还提出物理感知空间相似度检索方法，通过比较车辆布局与速度外推状态来检索物理相关的历史案例。在Highway-env多车道高速驾驶任务中，CPW-Drive在三种交通配置下成功率分别达93.0%、86.0%和72.0%，较最强基线提升8.0、22.5和25.0个百分点，同时实现最高无碰撞步数并保持较低变道频率。结果表明，结构化价值引导可提升模拟闭环中的安全性与稳定性，但会带来效率与延迟方面的权衡。
🔑 关键词速览
| CPW-Drive | 中国哲学智慧引导驾驶，一种将儒家价值原则融入自动驾驶决策的闭环检索增强生成框架。 |
| RAG | 检索增强生成，一种通过检索外部知识来增强大语言模型生成能力的技术范式。 |
| PSSR | 物理感知空间相似性检索，通过比较车辆布局和速度外推状态来检索物理相关历史案例的方法。 |
| Highway-env | 一个用于高速公路自动驾驶决策研究的仿真环境，支持多车道交通场景。 |
| 闭环决策 | 在仿真或真实环境中，决策系统根据环境反馈持续调整行为并影响后续状态的决策模式。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅