Jev-AD：语言世界模型预判邻车降低仿真碰撞率

Yansong Qu、Jiancong Chen、Samuel Labi 提出 Jev-AD，将类型化决策模型 Jev 与语言世界模型结合：后者预测每个候选动作下邻近车辆未来两秒的移动，再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；自由形式指令试验中 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，未经实车验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。