Systems Engineering for Autonomous Vehicles; Supervising AI using Large Language Models (SSuperLLM)
作者: Diomidis Katzourakis
分类: eess.SY
发布日期: 2025-01-18
备注: 15 pages, 10 figures
💡 一句话要点
利用大语言模型监督自动驾驶系统工程，提升需求开发与验证效率。
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 自动驾驶 大语言模型 系统工程 需求工程 监督控制
📋 核心要点
- 自动驾驶系统需要保障和监督机制，传统系统工程方法在需求开发和验证方面效率较低。
- 该论文提出利用大型语言模型（LLM）来辅助自动驾驶系统的需求开发、验证和监督控制。
- 通过仿真环境验证了LLM在自动驾驶监督控制中的应用，并开源了仿真软件。
📝 摘要（中文）
生成式人工智能（GAI）和分层模型的思想已经存在多年。GAI已被证明是自动驾驶汽车（AV）的极其有用的工具。自动驾驶汽车需要在其环境中稳健地运行。因此，自动驾驶汽车的行为和短期轨迹规划需要：a) 使用保障和监督系统进行设计和架构，以及 b) 使用适当的系统工程（SysEng）原则进行验证。自动驾驶系统工程是否也可以使用大型语言模型（LLM）来帮助自动驾驶汽车（AV）的开发？本文倡导在 1) 需求（Reqs）开发和 2) Reqs 验证中使用 LLM，并 3) 提供自动驾驶监督控制的概念验证。后者使用一个简单的平面（自行车）车辆动力学模型的仿真环境和一个带有 LLM 应用程序接口（API）的线性二次调节器（LQR）控制。开源仿真软件可从作者处获得，读者可以访问，以便他们可以参与到 AV 堆栈、LLM API 和规则、SysEng 和 Reqs 以及基本的车辆动力学和控制。
🔬 方法详解
问题定义：自动驾驶汽车需要在复杂环境中安全可靠地运行，传统的系统工程方法在需求开发和验证阶段耗时且容易出错。如何利用新兴的大语言模型（LLM）来提升自动驾驶系统工程的效率和质量是一个关键问题。
核心思路：利用LLM的自然语言理解和生成能力，辅助自动驾驶系统的需求开发、验证和监督控制。通过LLM理解系统需求，自动生成测试用例，并对系统行为进行实时监控和干预，从而提高开发效率和系统安全性。
技术框架：该方法包含三个主要部分：1) 使用LLM进行需求开发，将自然语言描述的需求转化为形式化的系统需求；2) 使用LLM进行需求验证，基于需求生成测试用例，并评估系统是否满足需求；3) 使用LLM进行监督控制，通过LLM API实时监控系统状态，并在必要时进行干预，保证系统安全运行。仿真环境采用简单的平面（自行车）车辆动力学模型和线性二次调节器（LQR）控制。
关键创新：该论文的关键创新在于将LLM应用于自动驾驶系统的系统工程，特别是在需求开发、验证和监督控制方面。与传统的基于规则或模型的系统工程方法相比，LLM能够更好地理解和处理自然语言描述的需求，并能够根据上下文进行推理和决策。
关键设计：监督控制部分的关键设计在于LLM API的集成，通过API，LLM可以实时获取车辆状态信息，并根据预定义的规则和目标，生成控制指令。具体参数设置和损失函数等细节未在摘要中详细说明，属于未知信息。
🖼️ 关键图片
📊 实验亮点
论文提供了一个自动驾驶监督控制的概念验证，通过仿真环境验证了LLM在自动驾驶系统中的应用潜力。开源的仿真软件为读者提供了实践和研究的基础，促进了该领域的发展。具体的性能数据和提升幅度未在摘要中详细说明，属于未知信息。
🎯 应用场景
该研究成果可应用于自动驾驶汽车的开发、测试和验证过程，加速自动驾驶技术的落地。此外，该方法也可推广到其他复杂系统的工程领域，如机器人、航空航天等，提高系统开发效率和安全性。未来，结合更强大的LLM和更复杂的仿真环境，有望实现更智能、更可靠的自动驾驶系统。
📄 摘要（原文）
Generative Artificial Intelligence (GAI) and the idea to use hierarchical models has been around for some years now. GAI has proved to be an extremely useful tool for Autonomous Vehicles (AVs). AVs need to perform robustly in their environment. Thus the AV behavior and short-term trajectory planning needs to be: a) designed and architected using safeguarding and supervisory systems and b) verified using proper Systems Engineering (SysEng) Principles. Can AV Systems Engineering also use Large Language Models (LLM) to help Autonomous vehicles (AV) development? This reader-friendly paper advocates the use of LLMs in 1) requirements (Reqs) development and 2) Reqs verification and 3) provides a proof-of-concept of AV supervisory control. The latter uses a simulation environment of a simple planar (bicycle) vehicle dynamics model and a Linear Quadratic Regulator (LQR) control with an LLM Application Interface (API). The Open-Source simulation SW is available from the author accessible to the readers so that they can engage into the AV stack, LLM API and rules, SysEng and Reqs and fundamental vehicle dynamics and control.