意味的判断から実行可能な軌道へ：狭空間駐車のための自己進化型LLM誘導最適制御

LLMの意味的推論とoptimal controlの物理制約を統合した自動駐車フレームワークSE-LLM-OCPを提案。 - LLMが高レベル離散maneuver決定を生成し、optimal-controlモジュールが低レベル車両動力学と衝突制約を強制。 - 非凸・狭空間駐車を対象とし、オンラインでsparse maneuver planを提案し、駐車タスクを短horizon trajectory-optimization問題列に分解。 - 低レベルsolverが逐次解き、失敗時はLLMが失敗証拠を集約して再計画。 - オフラインで失敗蓄積に基づき構造化decision-making knowledge baseを自動進化。

従来のoptimal-controlは非凸性でsolver robustnessが損なわれ失敗しうる。 - LLM直接生成はdense trajectoryの物理的feasibility保証が困難。 - 提案はLLMの意味推論とoptimal controlの制約強制を分離統合し、両者の弱点を補完。 - オンライン失敗からの再計画とオフライン知識進化を組み合わせ、狭環境での安全性と異なるkinematic platformへのmaneuver表現転移を示す。

階層的統合が肝。 - LLMが高レベル離散maneuver決定を提案し、駐車タスクを短horizon trajectory-optimization問題に分解。 - optimal-controlモジュールが車両動力学と衝突制約を明示的に強制。 - solver失敗時にLLMがsolverとvalidation段階の失敗証拠を集約し再計画を誘導。 - オフラインでオンライン失敗の蓄積を駆動源に、構造化decision-making knowledge baseをゼロから自動進化。

シミュレーションで検証。 - car-like vehicle modelとdifferential-drive robotの2種類で評価。 - 狭いシナリオでのより安全な自動駐車を実現。 - 同一maneuver表現が異なるkinematic platformへ転移することを示す。

要旨からは不明。 - 限界や失敗事例、計算コスト、knowledge baseの一般性などは記述なし。 - 実車実験や実世界評価の有無も要旨からは不明。

要旨で参照/比較されている研究は明示されていない。 - 関連手法としてoptimal control、Large Language Models (LLMs)、trajectory optimization、car-like vehicle model、differential-drive robotが挙げられる。 - 同分野の定番としてnonconvex optimal controlやsampling-based motion planning (例: RRT*) が次に読む候補。 - 要旨からは具体的な論文名は不明。