论文页面 - PlannerForge：面向自动驾驶运动规划器场景测试的LLM智能体框架

来源：https://huggingface.co/papers/2609.08965

摘要

PlannerForge 是一个LLM智能体框架，它统一了基于场景的自动驾驶测试的所有阶段，并在商业与开源模型中提升了场景生成、选择、修改和规划性能。

确保自动驾驶安全性是一项关键挑战。基于场景的测试（https://huggingface.co/papers?q=Scenario-based%20testing）是验证自动驾驶系统（ADS，https://huggingface.co/papers?q=Autonomous%20Driving%20Systems）的系统性流程，但目前仍是一个碎片化的模块化流水线，其中场景生成（https://huggingface.co/papers?q=scenario%20generation）、检索、修改、ADS执行和结果分析由不同工具完成，交互有限。大型语言模型（LLM）智能体在ADS子系统（如感知、规划和控制）中已展现出潜力。然而，此前尚无研究使用统一的LLM智能体框架（https://huggingface.co/papers?q=LLM-agent%20framework）覆盖用于ADS的整个基于场景的测试（https://huggingface.co/papers?q=scenario-based%20testing）流程。

我们提出了 PlannerForge，一个LLM智能体框架（https://huggingface.co/papers?q=LLM-agent%20framework），它扩展了所有基于场景的测试（https://huggingface.co/papers?q=scenario-based%20testing）阶段（从场景生成（https://huggingface.co/papers?q=Scenario%20Generation）到ADS评估（https://huggingface.co/papers?q=ADS%20Assessment）），并增加了两个进一步的LLM增强阶段：ADS增强和ADS基准测试。我们使用10个现成LLM，在5种提示条件（https://huggingface.co/papers?q=prompt%20conditions）下，针对所有任务（生成、选择、修改、模块路由、规划器测试和增强）对 PlannerForge 进行了评估。最佳任务得分范围在0.88至1.00之间，开源的20-35B参数后端在大多数任务上可与商业API相媲美。像 Qwen3.6:35B 这样的开源模型在五个任务中的三个上达到了商业API的水平。端到端链接模块可保留83% / 78%的种子查询（商业 / 开源）。在自然语言生成方面，它优于 Scenario Factory 2.0 (Finkeldei et al., 2025)（在200个生成中，193个可执行 vs. 144个可执行），并实现了请求的城市、道路和车辆属性的92-96%。在排名1的选择上，它优于 BM25 (Robertson and Zaragoza, 2009)（92.0% vs. 67.5%），在物理有效编辑方面优于 From-Words-to-Collisions (Gao et al., 2025)（>=94% vs. 31%）。在N=400时，成本调优将规划器成功率从50.4%提升至70.2%，并将碰撞率从19.0%降至8.4%，无需特定领域的微调。

查看 arXiv 页面 | 查看 PDF | 项目页面 | GitHub 仓库 | 添加到收藏夹

在您的智能体中获取此论文： hf papers read 2609.08965

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型

0

暂无模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2609.08965 以从本页面链接它。

引用此论文的数据集

0

暂无数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2609.08965 以从本页面链接它。

引用此论文的 Spaces

0

暂无 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2609.08965 以从本页面链接它。

包含此论文的收藏夹

0

暂无收藏夹包含此论文

将此论文添加到收藏夹 以从本页面链接它。