LEARNING开放获取
SARAD:基于大语言模型的安全感知混合强化学习与碰撞预测自动驾驶方法
Kangyu Wu, Peng Cui, Guoxi Chen, Ya Zhang
2026
摘要
本文提出SARAD框架,结合大语言模型与深度强化学习,通过检索增强生成和碰撞预测模块提升自动驾驶决策的安全性与效率。实验表明该方法在高速公路仿真环境中显著优于传统方法。
关键词
autonomous drivingreinforcement learninglarge language modelcollision predictionsafety-aware
相关论文
LEARNING
开放获取📊 1 引用
面向学习与规划的并行可微可达性:具有认证神经动力学与控制器的系统
Keyi Shen, Glen Chou
2026
LEARNING
📊 0 引用
基于深度强化学习和动态图神经网络的多任务机器人调度代理
Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者
Robotics and Computer-Integrated Manufacturing · 2026
LEARNING
📊 0 引用
人工智能增强的智能焊接岛:基础模型革新制造业
Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
MANIPULATION
📊 0 引用
PAEAR:基于强化学习的点云区域探索与主动识别方法用于机器人焊接
Yong Tao, Donghua Tan, Fan Ren 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026