自動運転車におけるLLM対応マルチプランナースケジューリングによるオープンエンド命令の実現

要旨: 自動運転（AD）における乗客の操縦ニーズは、ほとんどのヒューマン・マシン・インタラクション（HMI）研究で見落とされています。自然言語は直感的なインターフェースを提供しますが、乗客の自由形式の指示を、解釈可能性と追跡可能性を損なうことなく制御信号へと翻訳することは依然として課題です。本研究は、大規模言語モデル（LLM）を活用して指示を解釈し、リアルタイムのフィードバックに基づいて複数のモデル予測制御（MPC）ベースのモーションプランナをスケジュールする実行可能なスクリプトを生成し、計画された軌道を制御信号へ変換する、指示実現フレームワークを提案します。このスケジューリング中心の設計により、異なる時系列スケールにおいて意味推論と車両制御を切り離し、高レベルの指示から低レベルの行動に至る、透明で追跡可能な意思決定の連鎖を確立します。高精度な評価ツールが欠如しているため、本研究ではクローズドループ環境における自由形式指示実現のためのベンチマークを導入します。包括的な実験により、このフレームワークは指示実現のベースラインに比べてタスク完了率を大幅に向上させ、LLMの問い合わせコストを削減し、専用のAD手法と同等の安全性とコンプライアンスを達成し、さらにLLM推論遅延に対してかなりの耐性を示すことが明らかになりました。より定性的な説明と、より明確な理解のために。