स्वायत्त ड्राइविंग में दृष्टि भाषा मॉडेल: एक सर्वेक्षण और दृष्टिकोण

दृश्य-भाषा मॉडल (VLMs) के स्वायत्त ड्राइविंग (AD) के क्षेत्र में अनुप्रयोगों ने उनके उत्कृष्ट प्रदर्शन और बड़े भाषा मॉडलों (LLMs) के लाभ उठाने की क्षमता के कारण व्यापक ध्यान आकर्षित किया है। भाषा डेटा को एकीकृत करके, ड्राइविंग सिस्टम वास्तविक दुनिया के माहौल को गहराई से समझने में सक्षम हो सकते हैं, जिससे ड्राइविंग की सुरक्षा और दक्षता में सुधार होता है। इस कार्य में, हम इस क्षेत्र में भाषा मॉडलों में प्रगति का एक व्यापक और व्यवस्थित सर्वेक्षण प्रस्तुत करते हैं, जिसमें धारणा और समझ, नेविगेशन और योजना, निर्णय-निर्माण और नियंत्रण, एंड-टू-एंड स्वायत्त ड्राइविंग, और डेटा उत्पादन शामिल हैं। हम मुख्यधारा VLM कार्यों और सामान्यतः उपयोग किए जाने वाले मेट्रिकों का परिचय देते हैं। इसके अतिरिक्त, हम विभिन्न क्षेत्रों में वर्तमान अध्ययन और अनुप्रयोगों की समीक्षा करते हैं और मौजूदा भाषा-संवर्धित स्वायत्त ड्राइविंग डेटासेट का पूरी तरह से सारांश देते हैं। अंत में, हम AD में VLMs के लाभ और चुनौतियों पर चर्चा करते हैं, और शोधकर्ताओं को वर्तमान अनुसंधान अंतराल और भविष्य के रुझानों की जानकारी प्रदान करते हैं। https://github.com/ge25nab/Awesome-VLM-AD-ITS