본 논문은 자율주행 자동차의 차세대 능동 안전 기능을 위해 전문 스턴트 운전자 수준의 민첩한 회피 기동을 수행하는 새로운 프레임워크인 ManeuverGPT를 제시한다. 대규모 언어 모델(LLM) 기반 에이전트를 컨트롤러로 사용하여 CARLA 시뮬레이션 환경에서 J턴과 같은 공격적인 기동을 수행하는 것을 목표로 한다. 모델 가중치를 재훈련하지 않고, 반복적인 프롬프트 기반 접근 방식을 통해 차량 제어 매개변수를 개선한다. 세 가지 특수 에이전트(Query Enricher Agent, Driver Agent, Parameter Validator Agent)로 구성된 에이전트 아키텍처를 제안하며, 다양한 차량 모델에 대한 텍스트 프롬프트를 통해 J턴 실행에 성공함을 실험 결과를 통해 보여준다. 성공 기준을 통해 성능을 평가하고, 수치 정밀도와 시나리오 복잡성에 대한 한계를 논의한다. LLM 기반 제어의 잠재력을 강조하면서, 언어 기반 추론과 알고리즘 검증을 결합한 하이브리드 접근 방식의 중요성을 부각한다.
