基于大语言模型的交通多智能体协同决策方法及系统

摘要: 本发明涉及人工智能与智能交通系统,具体而言,涉及一种基于大语言模型的交通多智能体协同决策方法及系统。背景技术:1、随着自动驾驶技术向l4/l5高阶自主化迈进,智...
基于大语言模型的交通多智能体协同决策方法及系统

本发明涉及人工智能与智能交通系统,具体而言,涉及一种基于大语言模型的交通多智能体协同决策方法及系统。

背景技术:

1、随着自动驾驶技术向l4/l5高阶自主化迈进,智能交通系统(intelligenttransportationsystem,its)对复杂动态环境的理解与决策能力提出了前所未有的高要求。在高度不确定的开放道路环境中,单车智能已难以应对所有边缘场景(cornercases),多智能体(multi-agent)之间的协同感知与决策成为提升系统鲁棒性的关键。大语言模型(largelanguagemodel,llm)凭借其强大的世界知识和推理能力,为解决交通场景中的非结构化语义理解提供了新的范式。然而,如何将llm强大的生成能力转化为符合物理约束且安全的协同决策指令,是当前技术面临的核心挑战。现有的基于llm的决策方法往往直接依赖模型输出的自然语言结果,缺乏对模型内部认知不确定性的深度感知,极易导致系统在关键场景下产生“幻觉”并输出危险指令。

2、为了缓解这一问题,早期工作主要集中在通过提示工程或检索增强生成(retrieval-augmentedgeneration,rag)来约束llm的输出空间,或者引入简单的后处理规则来过滤明显错误的决策。近年来,随着思维链(chainofthought,cot)和生成式代理的发展,研究者开始尝试让模型生成推理过程以辅助决策,这在一定程度上提升了决策的可解释性。然而,这些方法仍未能从根本上解决llm在交通决策任务中的“逻辑脆弱性”与“幻觉不可控性”。

3、综上所述,如何降低大模型在复杂交通环境下的产生“幻觉”并输出危险指令的风险,提升多智能体在复杂交通流中的决策效率与安全性,是需要解决的技术问题。

技术实现思路

1、有鉴于此,本发明的目的在于提供一种基于大语言模型的交通多智能体协同决策方法及系统,能够降低大模型在复杂交通环境下的产生幻觉并输出危险指令的风险,提升智能体在复杂交通流中的决策效率与安全性。

2、为了实现上述目的,本发明实施例采用的技术方案如下:

3、第一方面,本发明提供一种基于大语言模型的交通多智能体协同决策方法,所述方法包括:获取交通多智能体构建的结构化交通情境描述文本;将所述结构化交通情境描述文本与多模态的指令模板进行级联,生成混合提示词;其中,所述指令模板包括自然语言推理指令模板、代码逻辑指令模板和真值表枚举指令模板;利用所述混合提示词驱动大语言模型生成多模态候选推理路径集,并从所述多模态候选推理路径集中确定出每种模态对应的代表性推理路径,组成交通决策思考池;其中,所述多模态候选集包含每种模态下的多条候选推理路径。计算所述交通决策思考池中每条代表性推理路径的不确定性评分,并根据所述不确定性评分确定每种模态对应的交通决策权重;根据每种模态下的所述交通决策权重和所述代表性推理路径推导出的交通决策动作。

4、第二方面,本发明提供一种交通多智能体协同决策系统,包括:多个交通智能体,各交通智能体间通信连接;每个所述交通智能体被配置有大语言模型;所述交通智能体,用于执行如前述实施方式任一项所述的基于大语言模型的交通多智能体协同决策方法。

5、本发明实施例提供的基于大语言模型的交通多智能体协同决策方法及系统,本发明实施例首先获取交通多智能体构建的结构化交通情境描述文本,进而设计包含自然语言、代码逻辑及真值表三种模态下指令模板,并结合结构化交通情境描述文本生成的混合提示词,驱动大语言模型生成三种正交模态的候选推理路径,从所述多模态候选推理路径集中确定出每种模态下的代表性推理路径,组成交通决策思考池后,精准量化各模态下的代表性推理路径的语义不确定性评分,并基于语义不确定性评分并确定每种模态对应的交通决策权重,在决策输出阶段,系统摒弃了静态投票机制,根据每种模态下的所述交通决策权重和所述代表性推理路径推导出的交通决策动作,该交通决策动作符合物理约束与逻辑完备性,整个过程实现了从直觉驱动向逻辑防御的动态演进,有效降低了大模型在复杂交通环境下出现幻觉并输出危险指令的风险,提升智能体在复杂交通流中的决策效率与安全性。

6、为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。

1.一种基于大语言模型的交通多智能体协同决策方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,获取交通多智能体构建的结构化交通情境描述文本,包括:

3.根据权利要求1所述的方法,其特征在于,将所述结构化交通情境描述文本与多模态的指令模板进行级联,生成混合提示词,包括:

4.根据权利要求1所述的方法,其特征在于,从所述多模态候选推理路径集中确定出每种模态对应的代表性推理路径,组成交通决策思考池,包括:

5.根据权利要求4所述的方法,其特征在于,从每个所述语义簇中确定出一条代表性推理路径,构成交通决策思考池,包括:

6.根据权利要求1所述的方法,其特征在于,计算所述交通决策思考池中每条代表性推理路径的不确定性评分,包括:

7.根据权利要求1所述的方法,其特征在于,根据所述不确定性评分确定每种模态对应的交通决策权重,包括:

8.根据权利要求1所述的方法,其特征在于,根据每种模态下的所述交通决策权重和所述代表性推理路径推导出的交通决策动作,包括:

9.根据权利要求8所述的方法,其特征在于,在根据每种模态下的所述交通决策权重和所述代表性推理路径推导出的交通决策动作指令之前,所述方法还包括:

10.一种交通多智能体协同决策系统,其特征在于,包括:多个交通智能体,各交通智能体间通信连接;每个所述交通智能体被配置有大语言模型;所述交通智能体,用于执行如权利要求1至9任一项所述的基于大语言模型的交通多智能体协同决策方法。