LLM forniscono intelligenza per le auto a guida autonoma suggerisce uno studio
LLM provides intelligence for autonomous driving cars, suggests study.
Uno nuovo studio dimostra che i grandi modelli linguistici possono essere efficaci decision-maker per i veicoli autonomi, ragionando logicamente su scenari complessi.
Un gruppo di ricercatori dell’Università di Tsinghua, dell’Università di Hong Kong e dell’Università della California, Berkeley, ha investigato la tecnologia di guida autonoma utilizzando grandi modelli linguistici (LLM) per la presa di decisioni di alto livello. Il loro nuovo articolo, pubblicato sul server di preprint arXiv il 4 ottobre, dimostra che i LLM possono comprendere con successo gli scenari del traffico, prendere decisioni ragionate in conformità alle regole e fornire spiegazioni chiare per le loro decisioni.
Anche se i sistemi di guida autonoma esistenti basati sull’apprendimento profondo hanno mostrato promesse, affrontano ancora sfide nel gestire eventi rari e fornire interpretabilità. L’articolo recita:
“I LLM possono pensare come gli esseri umani e ragionare su nuovi scenari combinando il buon senso, e il processo di pensiero visibile li rende fortemente interpretabili. […] Le competenze di ragionamento e interpretazione dei LLM aiutano a superare i limiti dei sistemi di guida attuali basati sull’apprendimento in termini di adattabilità e trasparenza.”
Per sfruttare i punti di forza dei LLM, i ricercatori hanno ideato un processo di pensiero strutturato per gestire le fasi di ragionamento. Il LLM raccoglie informazioni pertinenti, valuta lo scenario di guida e fornisce indicazioni di azione di alto livello. Queste decisioni testuali vengono quindi convertite in parametri che guidano il controllore di basso livello. Gli esperimenti estesi evidenziano i considerevoli miglioramenti delle prestazioni utilizzando questo approccio.
- La sfera di Las Vegas rende la realtà virtuale un’esperienza ...
- ‘Un’imbarazzante situazione galattica’ Il mondo delle criptov...
- Ricerca sull’IA, etica, collaborazione e impatto sociale
Rispetto all’apprendimento per rinforzo e ai metodi di ottimizzazione, il sistema potenziato dai LLM ha ottenuto costi notevolmente inferiori e una maggiore sicurezza in diverse attività di guida, inclusi incroci, rotatorie e manovre di emergenza. L’articolo afferma:
“Questo articolo rappresenta un primo passo verso l’utilizzo dei LLM come decision-maker efficaci per scenari intricati di guida autonoma in termini di sicurezza, efficienza, generalizzabilità e interoperabilità.”
Oltre alle metriche quantificabili, si dice che i LLM abbiano dimostrato una consapevolezza della situazione e una capacità di adattamento simili a quelle dei conducenti umani. Ad esempio, si è adeguatamente rallentato quando un altro veicolo aveva la precedenza, anziché ottimizzare solo l’efficienza.
Pur essendo ancora in una fase di ricerca iniziale, questo lavoro pionieristico getta le basi per ulteriori progressi. L’articolo conclude:
“Ci auguriamo che possa servire da ispirazione per future ricerche in questo campo.”
Immagine in primo piano: istockphoto; Pexels; Grazie!
