基于经验与直觉的自动驾驶：一种双视角上下文感知风险评估方法

《Tsinghua Science and Technology》：Autonomous Driving with Experience and Intuition: A Dual-View Context-Aware Risk Assessment

　　

摘要：

为满足6G时代高通量的严格要求，语义通信（SC）作为一种传输语义信息而非原始数据的革命性框架，有望成为一种有前途的解决方案。然而，现有的SC框架难以有效适应具有新语义特征的数据，并确保最小的数据处理延迟。这是因为实现强适应性需要大规模基础模型，如具有强大语义理解能力的大语言模型，而低延迟则需要结构简单的小模型。为了解决这一问题，我们提出了一种面向大模型赋能的低延迟SC的特征-基础模型演化框架。在该框架中，小规模特征模型和大规模基础模型分别部署在边缘节点和云服务器上。特征模型执行实时的语义编码和解码，并且在出现具有新语义特征的数据时，在基础模型的辅助下进行演化，从而同时确保低延迟和高泛化能力。我们详细介绍了所提出的协作框架的架构和相关演化协议。此外，通过图像传输的案例研究验证了所提出框架的有效性。最后，我们总结和讨论了基于协作框架的几个未来研究方向。

为满足6G时代高通量的严格要求，语义通信（SC）作为一种传输语义信息而非原始数据的革命性框架，有望成为一种有前途的解决方案。然而，现有的SC框架难以有效适应具有新语义特征的数据，并确保最小的数据处理延迟。这是因为实现强适应性需要大规模基础模型，如具有强大语义理解能力的大语言模型，而低延迟则需要结构简单的小模型。为了解决这一问题，我们提出了一种面向大模型赋能的低延迟SC的特征-基础模型演化框架。在该框架中，小规模特征模型和大规模基础模型分别部署在边缘节点和云服务器上。特征模型执行实时的语义编码和解码，并且在出现具有新语义特征的数据时，在基础模型的辅助下进行演化，从而同时确保低延迟和高泛化能力。我们详细介绍了所提出的协作框架的架构和相关演化协议。此外，通过图像传输的案例研究验证了所提出框架的有效性。最后，我们总结和讨论了基于协作框架的几个未来研究方向。