GPT-Driver

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。