一种基于重编码大语言模型的自动驾驶轨迹预测及模型训练方法与轨迹预测装置

本发明公开了一种基于重编码大语言模型的自动驾驶轨迹预测及模型训练方法与轨迹预测装置，所述方法包括：S1、获取自动驾驶场景数据，包含车辆轨迹数据和地图信息数据；S2、构造自动驾驶轨迹预测任务提示词；S3、将轨迹数据、地图信息数据和自动驾驶轨迹预测任务提示词输入给输入转换器模块，获得输入语义向量；S4、获取预训练好的大语言模型LLM；S5、将语义向量输入给预训练好的并且参数冻结的大语言模型模块，得到输出轨迹特征向量；S6、使用输出映射器模块，把输出轨迹特征向量转换成目标车辆轨迹；S7、使用优化器对模型进行训练，更新转换器模块参数和输出映射器模块参数，提高模型轨迹预测的精准度。根据本发明，基于大语言模型的泛化能力与推理能力，有效解决了传统自动驾驶轨迹预测方法对长尾场景预测能力不佳的问题，并且构造了基于重编码机制的输入转换器，能够将结构化的车辆轨迹数据与自然语言语义空间对齐，能在无需对海量大语言模型参数进行调整的情况下，实现了基于大语言模型的对车辆轨迹的预测方法，降低了方法应用的成本。