探索大型语言模型（LLMs）在自动驾驶车辆中生成外部界面交互行为的应用

《Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies》：Exploring LLMs for Generating Communicational Actions of External Interfaces on Autonomous Vehicles

　　

摘要 AI摘要

要查看此AI生成的摘要，您必须具有高级访问权限。

了解更多 登录

摘要

摘要

自动驾驶车辆（AVs）需要在不确定的场景中通过外部人机界面（eHMIs）与其他道路用户进行通信。现有的eHMIs基于规则，依赖于为预定义场景手动设计的动作和通信模式，这限制了其适应性。为了解决这个问题，我们研究了基于大规模语言模型（LLMs）的eHMIs，这种方法利用LLMs类似人类的推理和通信能力来生成有表现力的通信动作。我们探讨了两个研究问题：1）预先训练的LLM如何将预期的通信消息转换为相应的eHMI动作？2）这些生成的动作对人类的通信效率如何？为了解答这些问题，我们首先通过迭代原型设计构建了一个提示框架，然后开发了一个端到端的物理流程。最后，我们进行了一项包含26名参与者的实地研究，使用物理原型来评估通信效果，比较了人类设计和GPT-o3-mini生成的eHMI动作在参与者正确反应和消息理解方面的表现。结果表明，参与者的正确反应并不等同于他们的正确理解。当前的预先训练的LLMs可以生成与人类设计的动作相似且有类似解释效果的通信动作，但无法引发正确的行人反应。我们的讨论强调了人类和LLMs之间的不同设计模式。

AI摘要

AI生成的摘要（实验性)

此摘要是使用自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现内容的相关性，并协助来自相关研究领域的读者理解本文。它旨在补充作者提供的摘要，后者仍然是论文的主要摘要。完整文章是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性发表评论。您的反馈将有助于改进和未来版本的优化。

要查看此AI生成的简明语言摘要，您必须具有高级访问权限。