CoLMIN: LLM-based Multi-Decision Path Negotiation for Cooperative Autonomous Driving

一人で車を運転することは孤独な判断の行為ですが、人混みの中で運転することは、絶え間ない静かな対話です。何十年もの間、エンジニアたちは、もし車が互いの意図を共有し、動きを調整できれば、交通がより安全かつ円滑に流れるようになることを願い、機械にその対話を教えようと試みてきました。初期の試みは、厳格なルールや複雑な数学的公式に依存していましたが、これらは現実世界の混沌とした予測不可能性に直面すると、しばしば苦戦しました。より最近では、研究者たちは、膨大な量の人間によるテキストで学習された強力なコンピュータシステムである大規模言語モデルを使用して、車同士が「会話」するのを助け始めました。これらのシステムは、人間のドライバーが行うように、選択肢を検討し、誰が先に進むべきかを交渉するなど、複雑な状況を推論することができます。しかし、これらの新しいアプローチには決定的な欠陥が現れました。車が交渉を行う際、しばしば行き詰まってしまうのです。もし2台の車両が単一の固定されたプランを提示し、意見が食い違った場合、彼らは妥協することを拒み、交渉が失敗するまで頑なに姿勢を変えない傾向があり、それが衝突や交通渋滞を引き起こす可能性があります。

これを解決するために、研究チームはCoLMINと呼ばれる新しいフレームワークを開発し、自動運転車の交渉方法を変更しました。各車両にただ一つの進むべき経路を選ばせてそれを主張させるのではなく、CoLMINはすべての車両に対して、同時に複数の異なる安全な選択肢を生成することを促します。グループの人々がどこで食事をするか決めようとしている場面を想像してみてください。もし全員がたった一つのレストランに固執すれば、グループは決して合意に至らないかもしれません。しかし、もし全員がいくつかの異なる場所を提案すれば、グループには全員に適合する解決策を見つける可能性がずっと高くなります。同様に、CoLMINは車が隣接する車両に対して、可能な行動のメニューを提示することを可能にします。システムはその後、これらの選択肢を評価し、全員の安全と効率的な移動を維持できる組み合わせを探し出します。もし最初の提案が合意に至らなかった場合、システムは単に同じ議論を繰り返すのではありません。「浅いリフレクション（内省）」を用いて、プランを改善するための迅速かつ具体的なアドバイスを提供し、もし車が依然として頑固なままであれば、「深いリフレクション」メカニズムが介入して、全く新しい戦略を検討するよう促し、生産性のないループに陥るのを防ぎます。

研究者たちは、このシステムを、賑やかな都市の高度なコンピュータシミュレーションの中でテストし、複雑な交差点や困難な車線変更を含む10の異なる困難なシナリオにおいて、既存の技術と競わせました。その結果、CoLMINは以前の手法よりも大幅に効果的であることが示されました。最も困難な車線変更テストにおいて、この新システムは、最良の代替案と比較して安全性を8パーセント向上させ、走行完了の全体的な成功率を13パーセント向上させました。シミュレーションによれば、従来の方法は、車が単一の硬直したプランに自信を持ちすぎるあまり、デッドロック（膠着状態）に陥り、車が停止したり衝突したりすることが多いことが明らかになりました。対照的に、このマルチオプション（多肢選択）のアプローチにより、車両は柔軟性を持ち、衝突を起こさずに交通を流し続けるための妥協点を見出すことができました。このシステムは、歩行者やサイクリストといった予測不可能な要素が加わった場合でも堅牢であることを証明し、他の手法が失速する場面でも高いパフォーマンスを維持しました。

このアプローチが特に有望である理由は、単に性能が良いからではなく、その仕組みにあります。このシステムは、一瞬で行われる単一の完璧な決定に依存しているわけではありません。むしろ、再考し適応するという人間の能力を模倣しています。シミュレーションが提案されたプランが安全でない、あるいは非効率的であると示したとき、システムは軌道を調整するための即時のフィードバックを提供しました。もし車が同じ点について議論を続けた場合、深いリフレクション・モジュールが会話の履歴を分析し、車両が過度に頑固であることを特定し、異なる選択肢へと導きました。この、複数の経路を生成し、評価し、過去のミスを振り返るというプロセスにより、車は以前よりもずっと早く安定した合意に達することができました。実際、この新手法は、合意に至るために必要な交渉ラウンドの数を減少させ、過信に基づいた、譲歩しない振る舞いの割合を大幅に低下させました。

これらの結果は現在はコンピュータシミュレーションに限定されていますが、自動運転の未来への明確な道筋を示しています。研究者たちは、現実の道路にはノイズ、通信遅延、そして常にルールに従うとは限らない人間のドライバーが存在し、それらは制御されたデジタル環境よりもモデリングが難しい要因であることを認めています。しかし、シミュレーションにおけるCoLMINの成功は、安全で協力的な運転の鍵が「柔軟性」にあることを示唆しています。車がたった一つの完璧なプランを持たなければならないという考えから脱却し、交通問題の解決には多くの優れた方法があるという現実を受け入れることで、この新しいフレームワークは、私たちの車両が単にコードに従う機械としてではなく、共有された知的な対話の参加者として、共に世界をナビゲートしていく未来へと私たちを近づけているのです。