CN119513285A 基于大语言模型的车辆行驶轨迹预测方法 （吉林大学）_第1页
CN119513285A 基于大语言模型的车辆行驶轨迹预测方法 （吉林大学）_第2页
CN119513285A 基于大语言模型的车辆行驶轨迹预测方法 （吉林大学）_第3页
CN119513285A 基于大语言模型的车辆行驶轨迹预测方法 （吉林大学）_第4页
CN119513285A 基于大语言模型的车辆行驶轨迹预测方法 （吉林大学）_第5页
已阅读5页，还剩13页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

号一种基于大语言模型的车辆行驶轨迹预测时间动态方面能力的基于大语言模型的车辆行适配器将轨迹编码特征映射到大语言模型的文2S2、交互编码：使用交叉注意层将目标车辆与相邻智能体之间的交互编码为向量h'ERO:关键向量KER和值向量veR如下：将相邻agent的相互作用与目标车辆的空间状id(1-c)oh:.,h⃞)e表示LLM词汇库中J个文本词元，编程为场景词元3其中是经过处理的场景词元btscene被冻结的BER""将其投影到预测轨迹中，其中N表示预测时间范围内的时间戳4[0002]诸如ChatGPT等大语言模型在自动驾驶领域展现出巨大的潜力，尤其在座舱人机环神经网络(RNN)、长短时记忆网络(LSTM)等，能够自动学习车辆运动模式和时间依赖关虑到语言模型在处理数字等方面的局限性，这要求模型具备强大的场景理解和推理能力，5估大语言模型在理解交通代理的时间动态方面能力的基于大语言模型的车辆行驶轨迹预其中，从目标车辆0导出的查询向量关键向量和值向量如下：将相邻agent的相互作用与目标车辆的空间状b"=Reprogranh)。,"e"S32、采用交叉注意层，重编程适配器Reprogram将场景特征h,eR编程为场景6其中是经过处理的场景词元b"被冻结的LLM主干；首先将平展到向量上，然后将其投影到向量t上用一个可学习的矩阵将其投影到预测轨迹中，其中N表示预测时间范围内的时间戳[0011]本发明解决的技术问题是利用大语言模型的理解和推理能力来进行车辆轨迹预[0016]本发明提出了一个利用大语言模型(LLM)进行车辆轨迹预测的框架。具体实施方7[0017]步骤2交互编码：使用交叉注意层将目标车辆与相邻智能体之间的交互编码为向[0020]步骤3重编程适配器：本发明提出的框架采用可训练重编程适配器Reprogram:一R,将从式(4)中提取的场景特征ht投影到LLM的文本嵌入空间中，表示为:其中，"eR"表示LLM词汇库中J个文本词元，Wprot∈RM×J8eRW,这种转换产生了ht的紧凑文本表示，增强了输入token的局部语义LinearDecoder首先将平展到向量上，然后将其投影到向量t上用一个可学习的矩了一个简单的线性模型来解码大语言模型的输出，确保时间依赖性由大语言模型完全管9[0039]评价指标:主要通过平均位移误差(ADE)量化最终预测航路点与最终地真实航路点之间的欧几里得距离。此外，引入了缺失率(MissingRate,MR)度量来量化预测失败的比例，其中当大语

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论