大規模言語モデルに基づく自動運転のインタラクティブ意思決定

arXiv cs.RO / 2026/4/28

📰 ニュースIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、人間運転車と自動運転車が混在する高リスクな交通状況において、自動運転のための大規模言語モデル（LLM）ベースのインタラクティブ意思決定フレームワークを提案している。
Object-Process Methodologyを用いてマルチビークルの状況を意味論的にモデル化し、低レベルの知覚データを「対象・プロセス・関係」に抽象化して、潜在的な因果構造をより扱いやすく推論できるようにする。
LLMが周囲エージェントの明示的・暗黙的な意図を読み取り、安全性と効率性の両方を同時に満たす制約のもとで候補となる操舵（運動）を選択する。
Monte Carloサンプリングにより摂動を加えた軌道候補を生成し、それらを評価して実行可能な最適軌道を得る。
透明性と近傍の道路利用者との協調のため、最終判断をLLMで簡潔な自然言語メッセージに翻訳し、外部のヒューマンマシンインターフェースを通じて送信する仕組みを備え、シミュレータ実験では安全性・快適性・効率性で従来手法より優れるほか、人間らしさを示す評価結果も報告されている。