Para abordar las limitaciones cognitivas derivadas de un único sensor vehicular y el problema de la ilusión óptica debido a la falta de infraestructura ambiental en tiempo real, este artículo presenta V2X-UniPool, un marco integrado que integra datos multimodales de vehículo a todo (V2X) en un conjunto de conocimientos indexado temporalmente y basado en lenguaje. Aprovechando un mecanismo de generación aumentada (RAG) de doble consulta que permite la recuperación de conocimiento estático y dinámico, el sistema realiza inferencias precisas y consistentes temporalmente tanto en entornos estáticos como en situaciones de tráfico dinámico. Los resultados experimentales con conjuntos de datos reales de conducción cooperativa demuestran que V2X-UniPool mejora significativamente la precisión de la planificación del movimiento y la capacidad de inferencia, y alcanza un rendimiento de vanguardia en modelos de vehículo de disparo cero, a la vez que reduce los costos de transmisión en más del 99,9 % en comparación con los enfoques V2X convencionales.
