Jev-AD：用语言世界模型实现安全语言引导自动驾驶

Jev-AD 将类型化决策模型 Jev 与语言世界模型结合，由后者预测每个候选动作下邻近车辆未来两秒的移动，再把预测转成可比较的预判后果，替代从坐标隐式推断。在仿真高速公路汇入的 500 个车辆回合中，该预判把同一决策模型的碰撞率从 26.0% 降至 2.4%，每次决策耗时 0.25 秒；在自由形式指令试验中，Jev-AD 有 93% 达成乘客意图。在 500 个回放的真实 NGSIM 回合中，碰撞率从 48.2% 降至 2.8%，从该交通数据学习的世界模型预见到 93% 的危险动作。论文为 arXiv 预印本，结果基于仿真与回放数据。