Il Framework See2Refine Utilizza Modelli Visione-Linguaggio per Migliorare la Comunicazione dei Veicoli Generata dall'IA

Il framework recentemente introdotto, See2Refine, affronta il problema dei veicoli automatizzati che comunicano le loro intenzioni ad altri utenti della strada tramite interfacce esterne uomo-macchina (eHMIs). Gli studi convenzionali sulle eHMIs spesso si basano su coppie messaggio-azione predeterminate create dagli sviluppatori, che faticano ad adattarsi alle complessità delle situazioni di traffico in evoluzione. Sebbene i Large Language Models (LLM) abbiano mostrato potenzialità come progettisti di azioni eHMI consapevoli del contesto, generalmente mancano di validazione percettiva e dipendono da prompt fissi o costosi feedback umani per il miglioramento. See2Refine presenta un sistema a ciclo chiuso senza intervento umano che utilizza un modello visione-linguaggio (VLM) per fornire feedback visivo automatizzato, migliorando il progettista di azioni eHMI basato su LLM. Questo metodo valuta l'adeguatezza delle azioni eHMI proposte in specifici contesti di guida, affinandole senza input manuale. Il framework è discusso in un documento di ricerca, arXiv:2602.02063v2, pubblicato come replace-cross type su arXiv. Considerando che i veicoli automatizzati attualmente mancano di metodi di comunicazione efficaci, le eHMIs svolgono un ruolo cruciale nell'esprimere le intenzioni e garantire la sicurezza. La ricerca sottolinea le carenze delle tecniche attuali e posiziona See2Refine come una soluzione scalabile per adattarsi alle condizioni dinamiche del traffico.