言語駆動による自動運転のコスト最適化

- 自動運転車の走行行動を決定する motion planner の cost function パラメータを、自然言語で適応的に設計する枠組み。 - LLM が構造化された scenario 記述とユーザの自然言語クエリを解釈し、risk-aware MPPI controller に適用するパラメータを生成。 - human-in-the-loop 検証段階を組み込み、提案された行動変化を非技術者向け言語で説明し、展開前に確認。 - 展開前後のユーザフィードバックにより、車両の motion behavior を反復的に改善可能。

- 従来の cost function パラメータ調整は専門知識を要し、進化する交通シナリオやエンドユーザの好みへの適応が限定的。 - 本手法は言語駆動で適応的な cost 設計を可能にし、専門知識なしで直感的に行動変更を実現。 - インテリジェント車両制御システムとエンドユーザのギャップを橋渡しする点が新しい。

- LLM が structured scenario descriptions と natural language user queries を解釈。 - 解釈結果から risk-aware MPPI controller に適用するパラメータを生成。 - human-in-the-loop validation stage で提案行動変化を非技術言語で説明し確認。 - 展開前後のフィードバックで反復的 refinement を実施。

- 複数のクエリを現実的な driving scenarios で評価。 - Simulation results により、意図した要件に沿った行動変化を直感的に誘導できることを実証。

- 要旨からは不明。

- risk-aware Model Predictive Path Integral (MPPI) controller に関する研究。 - Large Language Model (LLM) を自動運転の制御やパラメータ調整に応用した研究。 - human-in-the-loop 検証やフィードバックを用いた適応制御に関する研究。