本研究では、輸送分野におけるエージェントAIアプリケーション向けに、マルチラベル意図認識のためのモジュラー型データフリー手法を提案しています。従来の意図認識システムが大規模なアノテーションデータに依存しているのに対し、本手法はデータ収集のコストを削減しながら、意図の理解精度を向上させます。提案するパイプライン「DMTC」は、3つのステップから成り立っています。第一に、プロンプトエンジニアリングを用いて、各種交通シナリオにおける多様な合成クエリを生成します。第二に、Sentence-T5モデルを利用してテキストクエリをセマンティック埋め込みに変換します。最後に、ハードサンプルを強調し、クラス間の分離性を最大化する新たなオンライン焦点対比損失(OFC)を用いて軽量な分類器を訓練します。試験の結果、DMTCはハミング損失5.35%、AUC95.92%を達成し、既存の分類器を上回る性能を示しました。さらに、Sentence-T5による埋め込みがサブセット精度を3.29%向上させ、OFC損失の統合により0.98%の追加的な効果が確認されました。これにより、意図を認識可能な完全自律型エージェントの基盤が形成されます。