ELI: 人間とAIの運転チームのための会話型LLMベースインターフェースとそのパフォーマンスおよびドライバーの状態への影響
ELI: A Conversational LLM-Based Interface for Human–AI Driving Teams and Its Impact on Performance and Driver Status
本研究では、従来のテイクオーバーリクエスト(TOR)が持つ文脈の透明性の欠如、ドライバーを単なる受動的な代替と見なす点、状況認識の低下といった課題に対処するため、大規模言語モデル(LLM)を活用した会話型インターフェース「Empowering Language Interaction (ELI)」フレームワークを提案する。ELIは双方向の交渉と人間とAIの協調的なチームワークをサポートする。CARLA運転シミュレーターを用いた28名の参加者による都市部および都市近郊の運転シナリオでの比較実験の結果、ELIは従来のTORと比較して、ドライバーの継続的なエンゲージメントを維持し、車両状態の主観的な理解度を向上させた。生理学的指標では、ELIは従来のTORに特徴的な急激な自律神経系のスパイクを防ぎ、能動的な認知的負荷を維持した。さらに、ELIは車線外イベントの削減や安全マージンの維持といった安全面でTORを上回った。この会話型インターフェースは、ドライバーを受動的な監督者から能動的なチームメイトへと変革し、自動システムへの過度の依存を誘発することなく、共同意思決定を改善する可能性を示した。
- LLMを活用した会話型インターフェースELIを提案し、CARLAシミュレーター上で28名の参加者による比較実験を実施
- ELIは従来のテイクオーバーリクエスト(TOR)と比べ、ドライバーの車両状態の理解度向上と安全面(車線外イベント削減、安全マージン維持)で superior な結果を示した
自動運転における人間とAIの協調インターフェースは、完全自動運転の実用化に向けた重要課題であり、ドライバーの状況認識と安全性向上を示した本研究は、自動運転システムの製品化やヒューマンマシンインターフェース市場において投資判断の参考となる。ELIのような会話型LLMベースのインターフェースは、自動運転車両の運転支援システムやフリート管理ソリューションに組み込まれる可能性があり、関連スタートアップや既存OEMの技術開発動向を注視する価値がある。