論文の概要: ChatGPT on the Road: Leveraging Large Language Model-Powered In-vehicle Conversational Agents for Safer and More Enjoyable Driving Experience
- arxiv url: http://arxiv.org/abs/2508.08101v1
- Date: Mon, 11 Aug 2025 15:40:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 21:23:29.1815
- Title: ChatGPT on the Road: Leveraging Large Language Model-Powered In-vehicle Conversational Agents for Safer and More Enjoyable Driving Experience
- Title（参考訳）: 道路上でのChatGPT:大規模言語モデルを利用した車内対話エージェントの安全性と運転体験の向上
- Authors: Yeana Lee Bond, Mungyeong Choe, Baker Kasim Hasan, Arsh Siddiqui, Myounghoon Jeon,
- Abstract要約: 本研究では,ChatGPTをベースとした車内エージェントが連続多ターン対話を実現する可能性について検討した。
動作に基づく運転シミュレータを用いた実験には40名のドライバーが参加した。
結果,ChatGPTをベースとしたエージェント条件により,複数の指標に対してより安定した運転性能が得られた。
- 参考スコア（独自算出の注目度）: 3.2505793054002963
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Studies on in-vehicle conversational agents have traditionally relied on pre-scripted prompts or limited voice commands, constraining natural driver-agent interaction. To resolve this issue, the present study explored the potential of a ChatGPT-based in-vehicle agent capable of carrying continuous, multi-turn dialogues. Forty drivers participated in our experiment using a motion-based driving simulator, comparing three conditions (No agent, Pre-scripted agent, and ChatGPT-based agent) as a within-subjects variable. Results showed that the ChatGPT-based agent condition led to more stable driving performance across multiple metrics. Participants demonstrated lower variability in longitudinal acceleration, lateral acceleration, and lane deviation compared to the other two conditions. In subjective evaluations, the ChatGPT-based agent also received significantly higher ratings in competence, animacy, affective trust, and preference compared to the Pre-scripted agent. Our thematic analysis of driver-agent conversations revealed diverse interaction patterns in topics, including driving assistance/questions, entertainment requests, and anthropomorphic interactions. Our results highlight the potential of LLM-powered in-vehicle conversational agents to enhance driving safety and user experience through natural, context-rich interactions.
- Abstract（参考訳）: 車内会話エージェントの研究は、伝統的に事前に記述されたプロンプトや限定された音声コマンドに頼り、自然なドライバーとエージェントの相互作用を制限してきた。
そこで本研究では,ChatGPTをベースとした車内エージェントが連続多ターン対話を実現する可能性について検討した。
動作ベース駆動シミュレータを用いて40名のドライバが実験に参加し,3つの条件(No agent,Pre-scripted agent,ChatGPT-based agent)を変数として比較した。
結果,ChatGPTをベースとしたエージェント条件により,複数の指標に対してより安定した運転性能が得られた。
参加者は, 他の2つの条件と比較して, 縦加速度, 横加速度, 車線偏差が低かった。
主観評価では,ChatGPTをベースとしたエージェントは,プレスクリプトエージェントと比較して,能力,敵意,感情的信頼,嗜好の面で有意に高い評価を受けた。
ドライバーとエージェントの会話をテーマとして分析した結果,運転支援・質問,エンターテイメント要求,人為的インタラクションなど,多様なインタラクションパターンが明らかになった。
この結果から,LLMを用いた車内対話エージェントが,自然とコンテキストに富んだインタラクションを通じて,運転の安全性とユーザエクスペリエンスを向上させる可能性を強調した。
関連論文リスト
- Towards Natural Language Communication for Cooperative Autonomous Driving via Self-Play [70.70505035012462]
自然言語を車両間通信プロトコル(V2V)として使用すると、自動運転車が協力して運転する可能性がある。
本稿では,自律走行車におけるメッセージ生成と高レベル意思決定ポリシーを学習するための新しい手法 LLM+Debrief を提案する。
実験の結果,LLM+Debriefは有意義で理解可能な自然言語メッセージを生成するのに有効であることがわかった。
論文 参考訳（メタデータ） (2025-05-23T19:40:09Z) - TPK: Trustworthy Trajectory Prediction Integrating Prior Knowledge For Interpretability and Kinematic Feasibility [11.436186697804835]
軌道予測は自動運転車にとって不可欠であり、車両は周囲の道路利用者の動きを予測できる。
現在のディープラーニングモデルは、予測が物理的に実現不可能で、人間には非論理的であるため、信頼性に欠けることが多い。
本稿では,エージェントの行動差を捉えるために,すべてのエージェントクラスの相互作用とキネマティックな先行を取り入れることを提案する。
論文 参考訳（メタデータ） (2025-05-10T19:29:32Z) - ManeuverGPT Agentic Control for Safe Autonomous Stunt Maneuvers [0.0]
本稿では,自律走行車における高ダイナミックなスタント動作の生成と実行のための新しいフレームワークManeuverGPTを提案する。
3つの特殊エージェントからなるエージェントアーキテクチャを提案する。
実験により、複数の車両モデル間でのJターン実行が成功した。
論文 参考訳（メタデータ） (2025-03-12T03:51:41Z) - WHALES: A Multi-agent Scheduling Dataset for Enhanced Cooperation in Autonomous Driving [13.290191462007668]
We present WHALES, a first large-scale V2X dataset designed for benchmark communication-aware agent scheduling and scalable collaborative perception。
WHALESは、シーン当たり平均8.4の協調エージェントと、さまざまなトラフィックシナリオにまたがる2.01百万の注釈付き3Dオブジェクトを備えた、最先端のSOTA(State-of-the-art)標準を確立している。
そこで本研究では,歴史的視点に基づくエージェントの優先順位付けを行う新しいスケジューリングベースラインであるCoverage-Aware Historical Scheduler(CAHS)を提案する。
論文 参考訳（メタデータ） (2024-11-20T14:12:34Z) - Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。
この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。
実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
論文 参考訳（メタデータ） (2024-11-07T21:37:51Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z) - DOROTHIE: Spoken Dialogue for Handling Unexpected Situations in
Interactive Autonomous Driving Agents [6.639872461610685]
本稿では,対話型シミュレーションプラットフォームであるROAD To Handle Irregular Events (DOROTHIE)を紹介する。
このプラットフォームに基づいて183トライアルのナビゲーションベンチマークであるSituated Dialogue Navigation(SDN)を作成しました。
SDNは、エージェントが人間からの対話の動きを予測し、独自の対話の動きと物理的なナビゲーションアクションを生成する能力を評価するために開発された。
論文 参考訳（メタデータ） (2022-10-22T17:52:46Z) - COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked
Vehicles [54.61668577827041]
本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。
われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
論文 参考訳（メタデータ） (2022-05-04T17:55:12Z) - SPA: Verbal Interactions between Agents and Avatars in Shared Virtual
Environments using Propositional Planning [61.335252950832256]
SPA(Sense-Plan-Ask)は、仮想的な仮想環境において、仮想的な人間のようなエージェントとユーザアバターの間の言語的対話を生成する。
提案アルゴリズムは実行時コストを小さくし,自然言語通信を利用せずにエージェントよりも効率的に目標を達成できることが判明した。
論文 参考訳（メタデータ） (2020-02-08T23:15:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。