懂AI
GPT-Driver

GPT-Driver

将GPT-3.5模型用于自动驾驶运动规划的简便方法

GPT-Driver项目将自动驾驶的运动规划问题转化为语言建模问题，利用大型语言模型的推理和泛化能力生成驾驶轨迹。通过提示-推理-微调策略，模型能够精确描述轨迹坐标并解释决策过程。实验结果显示，在大规模nuScenes数据集上，该方法表现出色，具备有效性、泛化能力和可解释性。

GPT-Driver自动驾驶运动规划大型语言模型arXivGithub开源项目
GitHub论文文档

项目介绍：GPT-Driver

GPT-Driver 是一个创新项目，旨在将 OpenAI 的 GPT-3.5 模型转变为一种可靠的自动驾驶运动规划工具。这个项目通过简化的框架和有效的方法，展示了如何利用大型语言模型（LLM）的强大推理能力来改进自动驾驶的运动规划。

背景与问题

运动规划是自动驾驶技术中核心的挑战之一，它的目标是规划出一条安全且舒适的驾驶轨迹。现有的运动规划器主要依赖启发式方法来预测驾驶轨迹，但是这些方法在面对新的和未见过的驾驶场景时，常常显现出推广能力的不足。

创新方法

在这篇工作中，提出了一种新的运动规划方法，将其转化为一个语言建模问题。这种观点是前所未有的。在具体实现中，GPT-Driver 将运动规划的输入和输出表示为语言符号，然后利用语言模型生成通过坐标位置描述的驾驶轨迹。

该项目还提出了一种新的提示-推理-微调策略，激发模型的数值推理潜力。这一策略使得语言模型可以在自然语言中描述非常精确的轨迹坐标，并阐述其内部决策过程。

实验与验证

GPT-Driver 使用了大规模的 nuScenes 数据集进行评估，广泛的实验结果证明了其基于 GPT 的运动规划工具的有效性、推广能力和可解释性。

安装与数据准备

  • 安装：首先需要将该项目克隆到本地，并安装所需的 Python 库。
  • 数据准备：需要从 Google Drive 下载用于实验的数据，包括预处理的 nuScenes 信息和 UniAD 预训练模型的结果文件。

微调模型

该项目使用 OpenAI API 进行模型微调。用户需要一个 OpenAI API 账户，并生成一个 API 密钥。在完成数据上传和微调任务后，用户将收到一个微调完成的模型 ID，用于后续的评估。

评估与成本

要评估运动规划的性能，用户可以使用项目中提供的脚本，对生成的轨迹进行验证。微调过程需要一定的费用，根据微调数据量和复杂度，可能需要大约 80 美金。

引用

如果该项目对您的研究有帮助，请考虑引用以下文献：

@article{gptdriver,
  title={GPT-Driver: Learning to Drive with GPT},
  author={Mao, Jiageng and Qian, Yuxi and Zhao, Hang and Wang, Yue},
  year={2023}
}

通过这些简单易懂的步骤，用户可以更好地理解和运用 GPT-Driver 项目，将最先进的语言模型技术应用于自动驾驶的运动规划中。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目，它利用结构化 3D 潜在表示技术，实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具，包括文本到 3D、图像到 3D 等，并且支持多种输出格式，如 3D 高斯、辐射场和网格等。通过 TRELLIS，用户可以根据文本描述或图像输入快速生成高质量的 3D 资产，适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目，提供 10 节课程，涵盖构建 AI 代理的必备知识，支持多种语言，包含规划设计、工具使用、多代理等丰富内容，助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

下拉加载更多