安全且可解释的网格集成电动汽车的多模式大型语言模型框架

ARXIV：2510.02592V1公告类型：新 摘要：将电动汽车（EV）集成到智能电网中，为增强运输系统和能源网络提供了独特的机会。但是，确保驾驶员，车辆和周围环境之间的安全和可解释的互动仍然是一个关键的挑战。本文介绍了基于多模式的大语言模型（LLM）的框架来处理多模式传感器数据 - 例如对象检测，语义细分和车辆遥测 - 并为驾驶员生成自然语言警报。该框架是使用从城市道路上驾驶的仪器车辆收集的现实世界数据来验证的，从而确保了其适用于现实情况。通过结合视觉感知（Yolov8），地理编码定位以及可以加班遥测，框架桥梁原始传感器数据和驱动程序的理解力，在城市驾驶场景中可以更安全，更明智的决策。使用真实数据的案例研究表明，该框架在为关键情况（例如与行人，骑自行车的人和其他车辆接近）生成环境感知警报方面的有效性。本文强调了LLM作为电子活动的辅助工具的潜力，通过启用可扩展的车队协调，EV负载预测以及交通吸引力的能源计划，从而使运输系统和电网受益。 索引术语 - 电动汽车，视觉感知，大语言模型，Yolov8，语义细分，CAN BUS，及时工程，智能电网。