摘要
针对现有自动驾驶系统在非结构化越野环境中易受单一模态退化影响且缺乏统一框架的问题，本文提出 Wild-Drive。该框架利用多模态编码器和任务条件模态路由桥（MoRo-Former）自适应聚合可靠信息，结合高效大语言模型、规划令牌及 GRU 解码器，联合生成结构化场景描述并预测未来轨迹。实验表明，该方法在传感器受损条件下优于现有 LLM 基线，具有更高的稳定性。
AI 推荐理由
论文核心提出越野场景下的路径规划框架，LLM 用于生成轨迹，属规划能力核心研究。
研究机构
IEEE
论文信息