Ancoraggio Temporale nella Pianificazione di Veicoli Autonomi Basata su LLM

Un recente preprint su arXiv (2605.19824) esplora il ruolo dell'ancoraggio temporale nei processi di ragionamento dei veicoli autonomi (AV) durante la transizione dall'analisi della scena alla pianificazione, utilizzando grandi modelli linguistici (LLM) e grandi modelli multimodali (LMM). I ricercatori sostengono che le tecnologie AV esistenti considerano il tempo come un aspetto minore, il che porta a ragionamenti errati riguardo alle azioni in corso, compromettendo infine la sicurezza e la chiarezza. Introducono tre architetture di pianificazione che migliorano l'integrazione temporale e valutano le loro prestazioni su sottoinsiemi selezionati del dataset BDD-X attraverso valutazioni semantiche, sintattiche e logiche. I risultati indicano che, sebbene il condizionamento temporale alteri gli approcci di ragionamento, non porta a miglioramenti significativi nelle metriche di accuratezza NLP convenzionali.