DriveMCP: 先進運転支援システムのためのエージェント型AIフレームワーク

- 先進運転支援システム（ADAS）向けのエージェント型AIフレームワーク「DriveMCP」を提案。 - 知覚、コンプライアンス推論、車両状態解釈、安全調停をモジュール化された監査可能なパイプラインに統合。 - センサーライクな知覚スタックとDriveLMを視覚言語フロントエンドとして使用し、グラフ構造のシーン理解（Graph VQA）と言語接地された運転情報を生成。 - 世界状態の主要なコンプライアンス要素（制限速度、管轄区域の手がかり）は、シミュレータのグラウンドトゥルースとして注入されるのではなく、DriveLM出力から構造化パース層を通じて導出。 - ステートフルなオーケストレーション層が、Model Context Protocol（MCP）サーバーとして公開された専門エキスパートを調整：(i) 管轄区域固有の交通コードと標識慣習に対する検索拡張コンプライアンス推論を行うRulesサーバー、(ii) トラクションリスクと文脈的速度勧告を推定するWeatherサーバー、(iii) CAN/OBDテレメトリと診断コンテキストを提供するMCP-CANサーバー。 - これらの出力を…

- 従来のVLM-Direct、VLM-Direct+RAG、VLM-Tools-NoArbiterベースラインと比較して、CARLAシミュレーションにおいて交通違反と速度超過を削減。 - 危険応答時間を改善し、サブ秒のアドバイザリレイテンシを維持。 - コンプライアンス要素をシミュレータのグラウンドトゥルースとして注入するのではなく、DriveLM出力から構造化パース層を通じて導出する点が先行研究と異なる。 - モジュール化された監査可能なパイプラインとMCPサーバーによる専門エキスパートの調整が特徴。

- 知覚、コンプライアンス推論、車両状態解釈、安全調停を統合したモジュール型パイプライン。 - DriveLMを視覚言語フロントエンドとして使用し、Graph VQAと言語接地された運転情報を生成。 - 世界状態のコンプライアンス要素（制限速度、管轄区域の手がかり）をDriveLM出力から構造化パース層で導出。 - ステートフルなオーケストレーション層がMCPサーバーとして公開された専門エキスパート（Rules、Weather、MCP-CAN）を調整。 - Rulesサーバーは検索拡張コンプライアンス推論を実行。 - Weatherサーバーはトラクションリスクと文脈的速度勧告を推定。 - MCP-CANサーバーはCAN/OBDテレメトリと診断コンテキストを提供。 - 出力を融合して構造化決定を生成し、RSSに触発されたガードレールで「発話」対「行動」を調停。

- CARLAシミュレーションを使用し、多言語、国境を越える、動的速度制限のシナリオで評価。 - VLM-Direct、VLM-Direct+RAG、VLM-Tools-NoArbiterベースラインと比較。 - 交通違反と速度超過の削減、危険応答時間の改善、サブ秒のアドバイザリレイテンシの維持を確認。

- 要旨からは不明。

- DriveLM（視覚言語フロントエンドとして参照） - Model Context Protocol（MCP） - Responsibility-Sensitive Safety（RSS） - VLM-Direct、VLM-Direct+RAG、VLM-Tools-NoArbiter（ベースラインとして参照） - CARLA（シミュレーション環境）