LLMと世界モデルを組み合わせた自動運転意思決定フレームワーク「RIA」、arXivで公開

何が起きたか

2026年5月19日、arXivにプレプリント「Reason--Imagine--Act: Closed-Loop LLM Decision Making with World Models for Autonomous Driving」が公開された。研究チームは、LLMの意味的な意思決定と世界モデルによる物理的検証を組み合わせた閉ループフレームワークRIAを提案し、CARLAのポイントゴールプロトコル（1000エピソード）で評価した。

詳細

RIAは、各ステップでLLMが行動テンプレートと候補サブアクションを提案し、世界モデルが短期的なロールアウトを実行、安全スコアラーが最も安全な実行可能なアクションを選択して次の推論ステップにフィードバックする。CARLAの統一ポイントゴールプロトコル（1000エピソード）で、経路完了率80.05%、到着率51.10%、衝突率0.20%を達成した。同じ閉ループインターフェースで、CARLA TMやMADAなどのトレーニング不要のベースラインを上回ったとしている。コードはhttps://github.com/pku-smart-city/source_code/tree/main/RIAで公開されている。

Key Facts

本紙の見方

本稿で紹介するRIAは、自動運転におけるLLMの利用方法に一石を投じる可能性がある。従来のLLMベースの意思決定は、意味的な推論に重点を置く一方で、物理的な安全性の検証が不足しているという課題があった。RIAは、LLMが提案する行動を世界モデルでシミュレートし、安全性スコアに基づいて実行する行動を選択することで、このギャップを埋めようとしている。 本紙の過去報道との接続はないが、自動運転分野におけるLLMの応用は、近年急速に進展している。RIAの特徴は、オンラインの閉ループ検証を導入した点にある。従来の世界モデルはオフラインのパイプラインで使用されることが多かったが、RIAは意思決定時に物理的な実現可能性を検証する。このアプローチは、シミュレーション環境での性能向上に寄与しているとみられる。 業界構造への含意としては、自動運転の開発において、LLMと世界モデルの組み合わせが一つの有力な方向性となる可能性が示唆される。特に、安全性が重視される自動運転では、意味的な理解と物理的な検証の統合が重要になる。RIAの成果は、今後の自動運転システムの設計に影響を与えるかもしれない。 未確定の論点としては、シミュレーション環境での成果が実環境でどの程度有効か、また、計算コストやリアルタイム性が実用化の障壁となるかが挙げられる。さらに、RIAの性能はCARLAという特定のシミュレータに依存しており、他の環境や実際の車両での検証が必要である。

なぜ重要か

自動運転の実用化には、安全性と信頼性の確保が不可欠である。RIAは、LLMの柔軟な推論と世界モデルの物理的検証を組み合わせることで、より安全な意思決定を目指す新しいアプローチを示している。この技術が発展すれば、自動運転システムの安全性向上に寄与する可能性がある。