Cognitive-Aware Adaptive HMI for Electric Vehicles: A Multi-Agent AI Architecture for Real-Time Context-Sensitive Interaction

Questa tesi presenta la progettazione e l’implementazione di un sistema adattivo cognitivo basato su intelligenza artificiale per le interfacce uomo-macchina a bordo veicolo, sviluppato nell’ambito del progetto EPIGNOSIS. L'obiettivo di questo lavoro è gestire il carico cognitivo del conducente nei veicoli moderni, adattando dinamicamente la presentazione delle informazioni, il timing dell’interazione e la complessità dell’interfaccia in funzione del contesto in tempo reale e dello stato del conducente. La soluzione proposta si basa su un’architettura multi-agente incentrata su un orchestratore, nella quale agenti specializzati supportano diversi domini funzionali, tra cui sicurezza, comfort, pianificazione, produttività e generazione adattiva dell’interfaccia. Il sistema integra informazioni provenienti da sottosistemi chiave del veicolo, come il Driver Monitoring System, gli Advanced Driver Assistance Systems e la Vehicle Control Unit, al fine di costruire una rappresentazione strutturata del contesto di guida e regolare di conseguenza le strategie di assistenza. I principali contributi della tesi sono: - la definizione di un framework multi-agente modulare per un’HMI adattiva regolata dal carico cognitivo; - l’introduzione di una pipeline decisionale governata che include scomposizione delle richieste, prioritizzazione, valutazione, risoluzione dei conflitti ed esecuzione differita; - l’integrazione dei Large Language Models come componenti di ragionamento delimitati all’interno di un’architettura di orchestrazione orientata alla sicurezza; - l’implementazione di un’interfaccia adattiva capace di selezionare modalità di interazione e configurazioni dell’interfaccia in base a vincoli contestuali e cognitivi. Il prototipo implementato mostra come il ragionamento contestuale basato su AI possa essere incorporato nelle HMI automobilistiche senza attribuire ai modelli generativi un’autorità decisionale non vincolata. Il lavoro discute inoltre aspetti pratici ed etici legati a latenza, trasparenza, autonomia delimitata e gestione di dati sensibili relativi al conducente. La valutazione sperimentale indica che il framework proposto raggiunge una maggiore appropriatezza adattiva rispetto ad alternative deterministiche più semplici, evidenziando al contempo il trade-off tra una più ricca capacità di ragionamento contestuale e l’aumento del tempo di esecuzione. Nel complesso, questa ricerca contribuisce allo sviluppo di interfacce veicolari intelligenti, context-aware e cognitivamente sostenibili, e suggerisce una direzione architetturale più ampia per l’integrazione di AI avanzata in sistemi interattivi rilevanti per la sicurezza.

This thesis presents the design and implementation of an AI-powered cognitive-aware adaptive system for in-vehicle human-machine interfaces within the EPIGNOSIS project. The goal of this work is to manage driver cognitive load in modern vehicles by dynamically adapting information presentation, interaction timing and interface complexity according to real-time context and driver state. The proposed solution is based on an orchestrator-centric multi-agent architecture in which specialized agents support different functional domains, including safety, comfort, planning, productivity and adaptive interface generation. The system integrates information from key vehicle subsystems such as the Driver Monitoring System, Advanced Driver Assistance Systems and Vehicle Control Unit in order to build a structured representation of the driving context and regulate assistance strategies accordingly. The main contributions of the thesis are: - the definition of a modular multi-agent framework for cognitively regulated adaptive HMI; - the introduction of a governed decision pipeline including request decomposition, prioritization, evaluation, conflict resolution and deferred execution; - the integration of Large Language Models as bounded reasoning components within a safety-oriented orchestration architecture; - the implementation of an adaptive interface capable of selecting interaction modalities and interface configurations according to contextual and cognitive constraints. The implemented prototype shows how AI-based contextual reasoning can be incorporated into automotive HMI without granting unconstrained decision authority to generative models. The work also discusses practical and ethical issues related to latency, transparency, bounded autonomy and privacy-sensitive driver data. Experimental evaluation indicates that the proposed framework achieves stronger adaptive appropriateness than simpler deterministic alternatives, while also highlighting the trade-off between richer contextual reasoning and execution-time overhead. Overall, this research contributes to the development of intelligent, context-aware and cognitively sustainable vehicle interfaces, and suggests a broader architectural direction for integrating advanced AI into safety-relevant interactive systems.