PrefDrive: Enhancing Autonomous Driving through Preference-Guided Large Language Models

Yun Li, Ehsan Javanmardi, Simon Thompson, Kai Katsumata, Alex Orsholits, Manabu Tsukada

IEEE Intelligent Vehicles Symposium (IV), 2025

Abstract

LLM ベースの自動運転に Direct Preference Optimization (DPO) を初めて導入。74,040 シーケンスから成る運転選好アノテーション付きデータセットを構築し、単一の RTX 3090 Ti 上で LoRA + 4-bit 量子化によりメモリ効率的にファインチューニング。CARLA クローズドループにおいて信号違反 -28.1%、ルート完走率 +8.5%、レイアウト衝突 -63.5%。

採択済、ルーマニア Cluj-Napoca にて発表。