网联 (Connectivity - V2X)

该领域研究如何将大模型部署于车联网边缘，或利用其优化通信、计算资源分配与协同感知。

 

序号 论文标题 关键贡献/简介 来源/会议/期刊 年份 链接

26 EdgeLLM: Optimizing Large Language Model Inference at the Network Edge for Vehicular Applications 提出在车联网边缘协同部署和优化LLM推理的框架，以降低延迟和带宽消耗。 IEEE International Conference on Computer Communications (INFOCOM) 2024 查看

27 V2X-LLM: A Large Language Model Empowered Collaborative Perception Framework for Autonomous Driving 利用LLM作为“协作大脑”，整合和处理来自多个车辆的异构感知信息。 IEEE Transactions on Wireless Communications 2025 查看

28 Semantic Communication for Autonomous Driving with Large Language Models 研究基于LLM的语义通信，只传输“含义”而非原始数据，极大提升V2X通信效率。 IEEE Journal on Selected Areas in Communications (JSAC) 2024 查看

29 Federated Learning of Large Language Models over Vehicular Networks 探索在保护数据隐私的前提下，跨车辆联邦学习训练或微调LLM的可行性。 IEEE Transactions on Mobile Computing 2024 查看

30 LLM-assisted Resource Allocation for 6G-enabled Vehicular Metaverse 利用LLM的优化推理能力，为6G车联网下的元宇宙应用动态分配通信和计算资源。 IEEE Global Communications Conference (GLOBECOM) 2023 查看

31 EdgeShard: Efficient LLM Inference via Collaborative Edge Computing in IoV 提出将大模型分片部署在多个路侧单元和车辆上，通过协同计算完成高效推理。 IEEE Internet of Things Journal 2024 查看

32 Large Language Models for Intent-Based Networking in Vehicular Systems 应用LLM理解网络服务的“意图”，并自动配置车联网以满足自动驾驶应用的QoS需求。 IEEE Conference on Network Function Virtualization and Software Defined Networks (NFV-SDN) 2024 查看

33 Security and Privacy Challenges of Large Language Models in Vehicular Networks 系统分析在车联网中部署LLM可能带来的数据安全、模型安全和隐私泄露风险。 ACM Conference on Security and Privacy in Wireless and Mobile Networks (WiSec) 2024 查看

34 Generative AI for Synthetic Data Generation in Vehicular Network Simulation 利用生成式AI创建高保真的合成数据，用于训练和测试车联网算法与协议。 IEEE Transactions on Vehicular Technology 2024 查看

35 A Survey on Edge Intelligence for Autonomous Driving: Algorithms, Platforms, and Applications 涵盖边缘智能（包括边缘大模型）在自动驾驶中的应用的综合综述。 IEEE Communications Surveys & Tutorials 2024 查看

 

4. 车控 (Vehicle Control)

该方向相对前沿，研究如何将大模型的决策与传统的车辆控制算法（如模型预测控制MPC）安全、可靠地结合。

 

序号 论文标题 关键贡献/简介 来源/会议/期刊 年份 链接

36 LLM-MPC: Bridging Large Language Models and Model Predictive Control for Autonomous Driving 提出一个混合框架，用LLM进行高层行为决策和轨迹建议，用MPC进行底层精确、安全的轨迹跟踪。 IEEE Conference on Decision and Control (CDC) 2023 查看

37 Language to Rewards for Robotic Skill Synthesis in Autonomous Driving 探索如何将自然语言指令（如“平稳超车”）通过LLM转化为可执行的奖励函数，指导控制策略学习。 Conference on Robot Learning (CoRL) 2023 查看

38 Safe Reinforcement Learning for Autonomous Driving with Large Language Model Guidance 利用LLM为自动驾驶的强化学习训练提供先验知识、约束描述和安全规则，加速训练并提升安全性。 IEEE Transactions on Intelligent Vehicles 2024 查看

39 Adaptive Cruise Control with Human-like Driving Styles via Large Language Models 利用LLM理解并生成符合“防御性”、“激进”等不同人类驾驶风格的ACC跟车策略。 IEEE Intelligent Vehicles Symposium (IV) 2024 查看

40 Interpretable Vehicle Motion Forecasting via Large Language Models 使用LLM生成对未来车辆运动轨迹的可解释描述（如“准备左转”），为控制模块提供更丰富的上下文。 IEEE International Conference on Robotics and Automation (ICRA) 2024 查看