自動運転の分野は、単一車両の知能からマルチエージェント・エンボディドシステムへと大きな転換点を迎えている。この転換は、車両が孤立して知覚と意思決定を行うのではなく、協調ネットワークのノードとして互いの知覚情報を共有し、意図を推測し、不確実性の下で行動を調整することを意味する。arXivに最近掲載されたサーベイ論文「マルチエージェント・エンボディド自動運転：V2X情報交換から共有ワールドモデルへ」は、このトレンドを体系的に整理し、共有ワールドモデル（SWM）を中核的な枠組みとして提唱している。
共有ワールドモデルとは、複数のエージェント（車両、インフラ、その他の交通参加者を含む）にわたって維持される予測的な表現である。この表現には、各エージェントの環境観測だけでなく、他のエージェントの将来行動の予測も含まれる。論文は、共有ワールドモデルがマルチエージェント協調の鍵であると指摘する。なぜなら、交換された観測を整合状態表現に変換し、意図認識相互作用と協調的下流行動を可能にするからである。
このサーベイは380以上の関連文献をレビューし、車車間・路車間通信（V2X）、協調知覚、エージェント間認知、協調計画、エンドツーエンド協調運転、閉ループ検証のためのシミュレーションとデータエンジンなど、複数の主要技術領域をカバーしている。これらはマルチエージェント・エンボディド自動運転（MAEAD）の技術スタックを構成する。著者らは、これらの技術が相互に密接に依存していると指摘する。例えば、協調知覚は信頼性の高いV2X通信に依存し、協調計画は協調知覚の精度に依存する。
しかし、現在の研究には無視できない課題がある。評価に関しては、ほとんどの研究がシミュレーション環境、厳選されたベンチマーク、オフラインプロトコルに依存している。これは、これらのシステムが実際の開放交通環境で十分に検証されていないことを意味する。さらに、基盤モデルに基づく協調手法は、開放交通におけるリアルタイムの安全保証を検証されておらず、安全性が最優先される自動運転分野では重大な欠陥である。
これらのギャップを埋めるため、論文は3つの重要な研究方向を提示する。第一に検証可能な共有状態維持、第二に堅牢な意図と計画の整合、第三に通信・遅延・展開制約下での安全な協調行動である。これらの方向性は、マルチエージェント・エンボディド自動運転をシミュレーションから現実へ、理論から実践へと導くことを目的としている。
このサーベイはSenkang Huら6名の著者によって執筆され、2026年6月11日に提出された。ロボティクス（cs.RO）とコンピュータビジョン・パターン認識（cs.CV）の学際領域に属する。論文の詳細はarXivで公開されており、研究者やエンジニアにとって包括的な参考資料となる。