自动驾驶

Fail2Drive: Benchmarking Closed-Loop Driving Generalization

Fail2Drive: 闭环驾驶泛化性基准测试

Simon Gerstenecker, Andreas Geiger, Katrin Renz

机构 * University of Tübingen（图宾根大学） ； Tübingen AI Center（图宾根人工智能中心） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；LiDAR(abstract)；分类 cs.RO、cs.CV

AI总结 Fail2Drive引入首个闭环驾驶泛化性基准测试，通过200条路线和17种新场景类别，评估模型在分布偏移下的表现，揭示泛化能力退化问题，提供开源工具加速后续研究。

Open-Ended Instruction Realization with LLM-Enabled Multi-Planner Scheduling in Autonomous Vehicles

基于LLM的多规划器调度的开放式指令实现用于自动驾驶车辆

Jiawei Liu, Xun Gong, Fen Fang, Muli Yang, Bohao Qu, Yunfeng Hu, Hong Chen, Xulei Yang, Qing Guo

机构 * Jilin University（吉林大学） ； Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局） ； Tongji University（同济大学） ； NKIARI ； Nankai University（南开大学） ； Engineering Research Center of Knowledge-Driven Human-Machine Intelligence, MOE（教育部知识驱动人机智能工程研究中心） 纠错

专题命中 仿真评测 ：autonomous driving(abstract)；分类 cs.RO、cs.CV

AI总结 本文提出一种基于大语言模型的指令实现框架，通过实时反馈调度多个基于模型预测控制的运动规划器，提高任务完成率并降低LLM查询成本，同时确保安全性和可追溯性。