Diluks Dilu is on Facebook. Join Facebook to connect with Diluks Dilu and others you may know. Facebook gives people the power to share and makes the world more open and connected.

2024年1月17日 · DiLu is an innovative closed-loop, self-evolving framework, blending common-sense knowledge and memory components with the power of large language models. DiLu consists of four core modules: Environment, Reasoning, Reflection, and Memory. DiLu is not just a framework, it's an exploration of Knowledge-driven Autonomous Driving.

DiLU框架通过整合利用大语言模型（LLM），实现基于常识的决策和持续的驾驶经验累积。 该框架由四个核心模块（如图2所示）组成：环境（Environment）、推理 (Reasoning)、反思 (Reflection)和记忆 (Memory)。 具体来说，利用推理模块观察环境并获取当前场景的描述。 同时，它使用提示生成器将该场景描述与从记忆模块检索的类似情况的少数经历相结合。 最后，将这些提示输入LLM，决策解码器通过解码 LLM 的响应来采取行动。 记忆模块通过利用向量化的数 …

2023年9月28日 · Leveraging large language models (LLMs) with emergent abilities, we propose the DiLu framework, which combines a Reasoning and a Reflection module to enable the system to perform decision-making based on common-sense knowledge and evolve continuously.

2024年1月25日 · DiLu（的卢）是首个基于AI Agent范式的知识驱动自动驾驶框架，其结合了常识知识和大语言模型，通过记忆模块以实现闭环自动驾驶决策制定并拥有持续进化的能力。

9月论文“DiLu: A Knowledge-Driven Approach To Autonomous Driving With Large Language Models“，来自上海AI实验室、华东师大和香港中文大学。 自动驾驶的最新进展依赖于数据驱动的方法，但面临着包括数据集偏…

2024年6月15日 · 利用具有涌现能力的大 语言模型 （LLM），提出DiLu框架，该框架结合了推理（Reasoning）模块和反思（Reflection）模块，使系统能够基于常识知识进行决策并不断发展。 大量实验证明了DiLu积累经验的能力，与基于 强化学习 的方法相比，DiLu在泛化能力方面也具有显著优势。 此外，DiLu能够直接从真实世界的数据集中获取经验，这突出了其在实际自动驾驶系统中部署的潜力。 如图所示，自动驾驶系统的知识驱动范式，包括互动环境、具有回忆、推理 …

2024年6月29日 · 利用具有涌现能力的大型语言模型（LLM），我们提出了 DiLu 框架，该框架结合了推理和反射模块，使系统能够基于常识知识进行决策并不断发展。 大量实验证明DiLu具有积累经验的能力，并且在泛化能力上比基于强化学习的方法具有显着优势。

2024年1月25日 · 本文介绍了DiLu，一个基于AIAgent范式的自动驾驶框架，它利用常识知识和大语言模型进行决策，通过记忆模块实现闭环学习和自我修正。 实验表明，DiLu在经验积累和泛化能力上优于传统强化学习方法，预示着知识驱动的自动驾驶的未来潜力。