普渡大学的工程师们发现，通过利用ChatGPT或其他基于大语言模型的聊天机器人，自动驾驶汽车（AV）能够更好地理解乘客的需求。例如，当乘客说“我很着急”时，车辆可以自动选择最有效的路线将其送达目的地。
这项研究将在9月25日举办的第27届IEEE智能交通系统国际会议上进行展示，可能是首批测试实际自动驾驶车辆如何使用大语言模型理解乘客指令并据此驾驶的实验之一。
研究负责人、普渡大学莱尔斯土木与建筑工程学院助理教授王子然认为，要实现完全自主驾驶，车辆需要理解乘客的所有指令，即便这些指令是隐含的。例如，当乘客说“我很着急”时，出租车司机可以知道需要走哪条路以避免交通拥堵，而无需乘客明确说明。
目前的自动驾驶汽车虽然具备与乘客沟通的功能，但仍需要乘客非常清晰地表达需求。而大语言模型由于经过大量文本数据的训练，能够以更自然的方式理解和回应各种指令。
在这项研究中，大语言模型并没有直接驾驶自动驾驶汽车，而是通过现有功能协助驾驶。研究团队通过整合这些模型发现，自动驾驶汽车不仅能更好地理解乘客，还能根据乘客的需求个性化驾驶体验。
研究人员在实验开始前，用各种指令训练了ChatGPT，包括直接指令（如“请开快一点”）和间接指令（如“我现在有点晕车”）。在学习如何回应这些指令后，研究人员给大语言模型设定了参数，要求其考虑交通规则、路况、天气以及车辆传感器检测到的其他信息。
然后，这些大语言模型通过云端连接到一辆具备四级自动驾驶能力的实验车辆。当车辆的语音识别系统检测到乘客的指令时，云端的大语言模型会根据设定的参数对指令进行推理，并生成驾驶指令传递给车辆的线控系统。
在一些实验中，研究团队还测试了一个记忆模块，允许大语言模型存储乘客的历史偏好，并在回应指令时考虑这些偏好。
实验大部分在印第安纳州哥伦布市的一个试验场进行，这里曾是一个机场跑道。这一环境允许研究人员在高速公路速度下安全测试车辆对乘客指令的响应，并处理双向交叉口。此外，他们还在普渡大学Ross-Ade体育场的停车场测试了车辆如何根据乘客指令停车。
参与实验的乘客在乘车后填写了调查问卷，结果显示，使用大语言模型辅助驾驶的自动驾驶汽车比没有使用大语言模型时让乘客感到不适的比例更低。
未来，研究团队计划继续改进大语言模型的处理速度，并解决大语言模型在理解指令时可能出现的“幻觉”问题。虽然这项研究的重点不在于此，但这是大语言模型的已知问题，需要在实际应用前解决。
研究团队还将评估其他基于大语言模型的公共和私人聊天机器人，如谷歌的Gemini和Meta的Llama系列助手。初步结果显示，在自动驾驶汽车的安全和高效驾驶指标上，ChatGPT的表现最好。
未来的研究方向还包括探索让每辆自动驾驶汽车的大语言模型相互交流的可能性，例如在四向停靠时确定哪辆车应先行。研究团队还计划利用大视觉模型帮助自动驾驶汽车在中西部常见的极端冬季天气中驾驶。
这项研究得到了美国交通部研究、开发和技术办公室通过其大学交通中心计划资助的互联与自动化交通中心（CCAT）的支持，普渡大学是其合作伙伴之一。
成都数据天空科技有限公司深耕生成式人工智能领域，致力于通过前沿的人工智能技术提升企业的效率和个人的能力。为了响应AIGC时代对数据隐私保护和个性化需求日益增长的呼声，公司推出了专为国内市场设计的DataSky AI云盒——DS-AB001。
DS-AB001支持多种主流大模型，如：ChatGPT系列、Claude系列，用户可以安心享受AIGC带来的便利，并借此推动企业的智能化转型和增长。
