Your Ride, Your Rules: Psychology and Cognition Enabled Automated Driving Systems

要約

自律運転の急速な進歩にもかかわらず、現在の自動運転車（AVS）には、居住者との効果的な双方向通信が欠けており、不動化からのパーソナライズと回復が制限されています。
これにより、快適さと信頼が軽減され、より広範なAV採用が遅くなります。
AVSが外部交通と内部の居住者状態の両方を感知、解釈、および対応できるようにする、人間中心の自律的な枠組みであるPACE-ADS（心理学と認知対応の自動運転システム）を提案します。
PACE-ADSは、3つの基礎モデルベースのエージェントで構成されています。運転コンテキストを分析するドライバーエージェント、居住者の心理的信号（EEG、心拍数、表情）（例えば、スピーチ）を解釈する心理学者エージェント、およびこれらの入力を統合して高レベルの行動決定と運用パラメーターを作成するコーディネーターエージェント。
既存のAVモジュールを置き換えるのではなく、PACE-ADSは行動レベルで動作し、低レベルの制御をネイティブAVシステムに委任することで補完します。
この分離により、閉ループの適応が可能になり、多様なプラットフォーム間の統合がサポートされます。
信号、歩行者、作業ゾーン、車のフォローを含むさまざまなシナリオにわたって、シミュレーションでPACE-ADを評価します。
結果は、PACE-ADSが運転スタイルを居住者状態に適応させ、乗り心地を改善し、自律的推論または人間の指導を介して固定化から安全に回復できることを示しています。
私たちの調査結果は、機械の自律性と人間中心の運転の間のギャップを埋めるためのLLMベースのフレームワークの約束を強調しています。

要約(オリジナル)

Despite rapid advances in autonomous driving, current autonomous vehicles (AVs) lack effective bidirectional communication with occupants, limiting personalization and recovery from immobilization. This reduces comfort and trust, potentially slowing broader AV adoption. We propose PACE-ADS (Psychology and Cognition Enabled Automated Driving Systems), a human-centered autonomy framework that enables AVs to sense, interpret, and respond to both external traffic and internal occupant states. PACE-ADS comprises three foundation model-based agents: a Driver Agent that analyzes the driving context, a Psychologist Agent that interprets occupant psychological signals (e.g., EEG, heart rate, facial expressions) and cognitive commands (e.g., speech), and a Coordinator Agent that integrates these inputs to produce high-level behavior decisions and operational parameters. Rather than replacing existing AV modules, PACE-ADS complements them by operating at the behavioral level, delegating low-level control to native AV systems. This separation enables closed-loop adaptation and supports integration across diverse platforms. We evaluate PACE-ADS in simulation across varied scenarios involving traffic lights, pedestrians, work zones, and car following. Results show that PACE-ADS adapts driving styles to occupant states, improves ride comfort, and enables safe recovery from immobilization via autonomous reasoning or human guidance. Our findings highlight the promise of LLM-based frameworks for bridging the gap between machine autonomy and human-centered driving.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google