Talk2DM：利用大型语言模型实现车路云一体化动态地图的自然语言查询与常识推理

动态地图（DM）是中国和日本车路云（VRC）协同自动驾驶的基础信息基础设施。通过提供全面的交通场景表示，DM克服了独立自动驾驶系统（ADS）的物理遮挡等限制。尽管增强DM的ADS已在日本实际应用中部署成功，但现有DM系统仍缺乏支持自然语言（NLS）的人机交互接口，这将显著提升人与DM的交互能力。为弥补这一不足，本文引入了VRCsim，一个用于生成流式VRC协同感知数据的仿真框架。基于VRCsim，我们构建了一个名为VRC-QA的数据集，专注于混合交通场景中的空间查询与推理。在此基础上，我们进一步提出了Talk2DM，一个可插拔模块，扩展了VRC-DM系统的自然语言查询与常识推理能力。Talk2DM基于一种新颖的提示链（CoP）机制，逐步整合用户定义规则与大语言模型（LLMs）的常识知识。在VRC-QA上的实验表明，Talk2DM可以在不同LLM之间无缝切换并保持高精度的自然语言查询，展示了其强大的泛化能力。虽然更大的模型通常具有更高的准确性，但效率下降明显。我们的结果表明，由Qwen3:8B、Gemma3:27B和GPT-oss模型驱动的Talk2DM实现了超过93%的自然语言查询准确率，平均响应时间仅为2-5秒，显示出良好的实用潜力。