Key points are not available for this paper at this time.
자율 주행 기술은 교통과 도시 이동성을 혁신하는 촉매제로, 규칙 기반 시스템에서 데이터 기반 전략으로의 전환 경향이 있습니다. 전통적인 모듈 기반 시스템은 연속 모듈 간의 누적 오류와 유연하지 않은 사전 설정 규칙에 의해 제한됩니다. 반면, 엔드 투 엔드 자율 주행 시스템은 데이터 기반의 훈련 과정을 통해 오류 누적을 피할 수 있는 잠재력을 가지고 있지만, '블랙 박스' 특성으로 인해 투명성이 부족하여 결정의 검증 및 추적이 복잡해집니다. 최근 대규모 언어 모델(LLM)은 맥락 이해, 논리적 추론 및 답변 생성 능력을 보여주었습니다. 이러한 능력을 활용하여 자율 주행을 강화하는 것이 자연스러운 생각입니다. LLM과 기초 비전 모델을 결합함으로써, 현재 자율 주행 시스템이 부족한 개방형 세계 이해, 추론 및 소수 샷 학습의 가능성을 열 수 있습니다. 본 논문에서는 자율 주행을 위한 대규모 언어 모델(LLM4AD)에 대한 연구 라인을 체계적으로 검토합니다. 본 연구는 기술 발전의 현재 상태를 평가하고, 이 분야의 주요 도전 과제와 잠재적 방향을 명확히 정리합니다. 학계와 산업의 연구자들을 위해, 우리는 최첨단 분야의 최신 발전 사항과 관련된 오픈 소스 자료를 실시간으로 업데이트하여 제공하며, 지정된 링크를 통해 확인하실 수 있습니다: https://github.com/Thinklab-SJTU/Awesome-LLM4AD.
Yang et al. (Thu,)는 이 질문을 연구하였습니다.