運転支援におけるシナリオ中心のセマンティック解釈のためのデュアルステージLLMフレームワーク

要旨: 障害物運転支援システム（ADAS）は、学習ベースの知覚にますます依存している一方で、安全に関わる失敗はしばしば、部品の不具合が原因ではなく、部分的な観測可能性と、リスクがどのように解釈され伝達されるかにおける意味の曖昧さによって生じる。本論文では、都市部の運転文脈におけるLLMベースのリスク推論を、再現可能な形で監査するためのシナリオ中心の枠組みを提案する。マルチモーダルな走行データから、決定論的で時間的に上限のあるシナリオウィンドウを構築し、固定されたプロンプト制約と、閉じた数値リスクのスキーマのもとで評価することで、モデル間で構造化された比較可能な出力を保証する。厳選した「近接する歩行者・車両に関する」シナリオ集合に対する実験では、同一の入力とプロンプトのもとで、2つのテキストのみのモデルと、1つのマルチモーダルモデルを比較する。その結果、重大度の割り当て、高リスクのエスカレーション、証拠の使用、因果帰属において、モデル間で体系的な相違があることが明らかになった。意図的に弱い（脆弱な）道路利用者の存在の解釈に関しても、見解の相違が広がっており、このばらつきは、単独のモデルの失敗というよりも、本質的な意味の不確定性を反映していることが示唆される。これらの知見は、安全に整合した運転支援システムへLLMベースの推論を統合する際に、シナリオ中心の監査と、明示的な曖昧さの管理が重要であることを強調している。