A Large-Language-Model Supported Personalized Driving Framework for Lane Change in Highway Scenarios

• 类型：arxiv
• 标识：2606.31483
• 链接：http://arxiv.org/abs/2606.31483v1
• 主分类：agent
• 形态：application
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Experimental results show that the derived parameter sets generate distinguishable personalized lane-change behaviors, while RAG consistently improves preference interpretation, particularly for implicit commands, indicating the potential of integrating LLM-based natural-language interaction with Apollo to support personalized lane-change behavior generation.
• OpenAlex ID：W7166839990
• OpenAlex DOI：10.48550/arxiv.2606.31483
• DOI：10.48550/arxiv.2606.31483
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2606.31483
• OpenAlex更新：2026-07-19
• 待LLM分类：否
• 成熟度：research
• 场景：autonomous driving、lane change、personalized behavior
• 标题中文：一种由大语言模型支持的面向高速公路场景换道的个性化驾驶框架
• TLDR中文：实验结果表明，所得参数集可生成可区分的个性化换道行为，同时 RAG 始终提升偏好理解效果，尤其对隐式指令效果显著，表明将基于 LLM 的自然语言交互与 Apollo 集成以支持个性化换道行为生成具有潜力。
• 来源文件：
• /inbox/tom/_candidates/2026-07-01-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]