Towards Knowledge-driven Autonomous Driving

本文探讨了新兴的知识驱动自动驾驶技术。我们的研究强调了当前自动驾驶系统的局限性，尤其是它们对数据偏差的敏感性、处理长尾场景的困难和缺乏可解释性。相反，具有认知、泛化和终身学习能力的知识驱动方法成为克服这些挑战的一种有前途的方式。本文深入探讨了知识驱动自动驾驶的本质，并检查了其核心组成部分：数据集和基准、环境和驾驶员代理。通过利用大型语言模型、世界模型、神经渲染和其他先进的人工智能技术，这些组件共同为更全面、适应性和智能的自动驾驶系统做出了贡献。本文系统地组织和审查了这个领域以前的研究努力，并为未来自动驾驶的研究和实际应用提供了见解和指导。我们将继续分享知识驱动自动驾驶的最新发展以及相关宝贵的开源资源：\url{https://github.com/PJLab-ADG/awesome-knowledge-driven-AD}。

论文旨在探讨知识驱动的自动驾驶技术，解决当前自动驾驶系统存在的数据偏差、处理长尾场景困难和缺乏可解释性等问题。

通过利用大型语言模型、世界模型、神经渲染等先进的人工智能技术，构建具有认知、泛化和终身学习能力的自动驾驶系统。

论文系统地组织和回顾了以前在这个领域的研究工作，并提供了未来研究和实际应用自动驾驶的见解和指导。作者还分享了相关的开源资源。

最近的相关研究包括“End-to-end Learning of Driving Models from Large-scale Video Datasets”和“Learning to Drive from Simulation without Real World Labels”等。