- TU DelftがLLMで乗員の指示を動作計画へ反映
- 人間の確認を挟むことで誤解釈を防止
- シミュレーションで8種類の指示を検証
研究発表の概要
オランダのデルフト工科大学（TU Delft）の研究チームは、乗員の自然言語によるリクエストを自動運転車の動作に反映するシステムを開発した。論文はプレプリントとしてarXivに公開され、2026年9月のIEEE Intelligent Transportation Systems Conferenceで発表される予定である。
自動運転車はモーションプランナーと呼ばれるソフトウェア部品が安全で効率的な経路を選んでいる。従来、このモーションプランナーは事前に人間が調整するため、乗員が運転スタイルを走行中に変更するのは難しかった。今回の研究は、この問題をLLMで解決しようとする試みだ。
LLMで運転スタイルを調整
このシステムは、乗員に車両の直接制御を与えるのではなく、安全性を考慮したモーションプランナーのパラメータを調整する。研究チームが開発したモデル予測経路積分コントローラは、目的地に到達するための複数の経路を評価し、速度や操舵角などの基準で最適な組み合わせを選ぶ。LLMは乗員の指示から、これらの評価基準の相対的な重要度を決める。
変更の前には、車両がどのように動きを変えるかを自然言語で説明し、乗員が承認して初めて適用される。誤解釈があれば、追加の指示で修正できる点も特徴だ。研究チームは、タクシーや友人に運転してもらう感覚に近いとしている。
既存研究との位置づけ
これまでにもLLMや映像言語モデル（VLM）を自動運転に使う研究はあったが、多くは運転判断そのものを生成しようとするものだった。これに対しTU Delftの手法は、判断基準の重み付けを変えることで運転スタイルを調整する点が新しい。
チューリッヒ工科大学（ETH Zurich）の研究では、LLMがレーシングカーの制御器のパラメータを調整している。またミュンヘン工科大学（TUM）は、LLMが提案した運転判断を数学的プロセスで検証するシステムを開発している。それぞれ安全性の確保方法が異なる。
残された課題
今回の実験はシミュレーション環境nuPlanで実施され、8種類の指示について意図に沿ったパラメータ変更が確認された。ただし、実車での検証は行われていない。また、運転シナリオの説明文は研究者が手書きで用意したもので、実用化には車両の認識システムから自動的に生成する仕組みが必要になる。
さらに、LLMの誤りに対する安全保証は現時点ではない。TUMのAlthoff氏は、LLMの判断には常に誤りの可能性が伴うため、数学的な検証を組み合わせる必要性を指摘している。
| 研究グループ | LLMの役割 | 安全性の確保方法 |
|---|---|---|
| TU Delft | 乗員の指示を動作計画のパラメータ調整に変換 | 安全な範囲内に制限し、乗員が確認 |
| ETH Zurich | レーシングカー制御のパラメータ調整に使用 | LLMを制御器から分離し制約内に保つ |
| TUM | 運転判断を提案させる | 数理的検証で交通規則に照らして安全性を確認 |
The motion-planning problem is not only about reaching a place while avoiding collisions, it’s also how you do it
モーションプランニングの問題は、衝突を避けて目的地に到達することだけではなく、その方法にもある
今後の見通し
今回の研究はシミュレーション検証の段階であり、実車での実証や認識システムとの統合が今後必要になる。特に、LLMが誤った解釈をした場合のリスクをどう定量化し、安全性を保証するかが実用化の鍵となるだろう。次に注目すべきは、実際のセンサーデータから運転シナリオを自動記述する技術と、数理的検証を組み合わせたアプローチが示されるかどうかだ。それらの成果が明らかになれば、自動運転のパーソナライズ機能が現実に近づくとみられる。
日本の開発者・IT企業にとっての意味
日本の自動車業界やIT企業にとって、この研究は自動運転の「乗り心地」を差別化要因にできる可能性を示している。従来はエンジニアがチューニングしていた制御パラメータを、エンドユーザーが言葉で調整できるようになれば、自動運転車の商品価値は大きく変わるだろう。一方で、安全性の証明やLLMの誤りへの対策は実用化の前提であり、日本企業がこうした研究にどう絡むかが、今後の競争力に影響しそうだ。また、LLMを直接制御に使うのではなく、既存の安全認証と組み合わせやすい形に落とし込む設計は、慎重な開発が求められる日本の市場にも適合しやすいとみられる。
気になる点
- この技術は実車で使えるレベルなのか？
- 現時点ではシミュレーション実験のみで、実車での性能は未確認です。実用化には認識システムとの統合や徹底した安全性検証が必要とみられます。
- LLMが指示を誤解した場合、どうなるのか？
- このシステムでは、変更前に運転挙動の説明が表示され乗員が承認する仕組みです。誤解があれば追加の指示で修正できます。また、パラメータ調整に限定されているため、直接の操作ミスによる重大事故リスクは低いと考えられます。
- 日本語などの他言語で利用できるのか？
- 原文では対応言語について言及されていません。LLM自体は多言語対応が想定されますが、日本語での動作検証が行われたかは不明です。
用語解説
- モーションプランナー
- 自動運転車が安全で効率的な経路を選ぶためのソフトウェア部品。
- LLM（大規模言語モデル）
- 大量のテキストデータから自然言語を学習したAIモデル。文章の理解や生成ができる。
- GPT-4o-mini
- OpenAIが提供する軽量な大規模言語モデル。今回の研究で指示文の解析に使われた。
- nuPlan
- 自動運転の計画アルゴリズムを評価するためのシミュレーション環境。
- ヒューマンインザループ
- システムの判断に人間が介在し、確認や修正を行う仕組み。
- モデル予測経路積分コントローラ
- 複数の経路候補を評価し、最適な軌道を選ぶ制御手法。研究チームが開発した。
出典
Self-Driving Cars Could Someday Take Requests
https://spectrum.ieee.org/autonomous-vehicles-motion-planner-llm
AI導入も顧問も、お任せください
何から手をつけるか、どこまでAIに任せるか。自社の業務に合わせて整理し、導入から運用まで伴走します。相談だけでも構いません。
AI導入について相談する