論文の概要: Sequential Online Chore Division for Autonomous Vehicle Convoy Formation

• arxiv url: http://arxiv.org/abs/2104.04159v1
• Date: Fri, 9 Apr 2021 02:28:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-12 13:57:59.232764
• Title: Sequential Online Chore Division for Autonomous Vehicle Convoy Formation
• Title（参考訳）: 自動車事故発生のための連続オンライン選択部門
• Authors: Harel Yedidsion, Shani Alkoby, Peter Stone
• Abstract要約: 本稿では,SOCD (Sequence Online Chore Division) と呼ばれる新しい変種を紹介する。 SOCDでは、正確に1人のエージェントがいつでもコレを実行し、パフォーマーを切り替えるにはコストがかかります。 サイドペイメントを用いた1つの集中メカニズムと、参加者の負荷のバランスを図る2つの分散メカニズムの3つのメカニズムを提案し、分析する。
• 参考スコア（独自算出の注目度）: 48.839270836400004
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Chore division is a class of fair division problems in which some undesirable "resource" must be shared among a set of participants, with each participant wanting to get as little as possible. Typically the set of participants is fixed and known at the outset. This paper introduces a novel variant, called sequential online chore division (SOCD), in which participants arrive and depart online, while the chore is being performed: both the total number of participants and their arrival/departure times are initially unknown. In SOCD, exactly one agent must be performing the chore at any give time (e.g. keeping lookout), and switching the performer incurs a cost. In this paper, we propose and analyze three mechanisms for SOCD: one centralized mechanism using side payments, and two distributed ones that seek to balance the participants' loads. Analysis and results are presented in a domain motivated by autonomous vehicle convoy formation, where the chore is leading the convoy so that all followers can enjoy reduced wind resistance.
• Abstract（参考訳）: 選択分割(英: Chore division)とは、望ましくない「資源」を参加者の集合間で共有しなければならない公平な分割問題のクラスである。 通常、参加者の集合は最初から固定され、知られている。 本報告では, 参加者の総数と到着・出発時刻が不明である間, 参加者がオンラインで到着・出発する「シーケンシャル・オンライン・ショア・ディビジョン(SOCD)」という, 新たなバリエーションを紹介する。 SOCDでは、正確に一つのエージェントが任意の時間(例えば)に雑用を行う必要がある。 注意)と、パフォーマーを切り替えることにはコストがかかります。 本稿では,soddのメカニズムとして,側方支払いを用いた1つの集中型メカニズムと,参加者の負荷のバランスを図る2つの分散メカニズムを提案する。 分析と結果が自律的な車両輸送隊形成に動機づけられた領域で提示され、そこでは雑踏が護送隊を率いており、すべての支持者が風の抵抗を減らし、楽しむことができる。

関連論文リスト

• Multi-Agent Deep Reinforcement Learning for Cooperative and Competitive Autonomous Vehicles using AutoDRIVE Ecosystem [1.1893676124374688]
  我々は、ニジェールとF1TENTHの物理的に正確でグラフィカルなデジタル双対を開発するために、AutoDRIVE Ecosystemを導入する。 まず,複数エージェントの学習環境だけでなく,限られた状態情報を相互に共有する一組の協調車両(Nigel)を用いた交差点問題について検討する。 次に、異なる車両群(F1TENTH)を用いて、個別のポリシーアプローチを用いたマルチエージェント学習環境において、対向的なヘッドツーヘッド自律レース問題を調査する。
  論文  参考訳（メタデータ） (2023-09-18T02:43:59Z)
• A New Approach to Training Multiple Cooperative Agents for Autonomous Driving [5.1930091960850415]
  本稿では,複数のエージェントを学習するための新しいアプローチであるLepusを提案する。 Lepusは、敵のプロセスを通じてポリシーネットワークを事前訓練する。 スパース報酬の問題を緩和するために、ルパスは専門家軌跡から近似的な報酬関数を学習する。
  論文  参考訳（メタデータ） (2022-09-05T22:35:33Z)
• Multi-Agent Neural Rewriter for Vehicle Routing with Limited Disclosure of Costs [65.23158435596518]
  チームのマルコフゲームとして、部分的に観測可能なコストでマルチサイクルルーティング問題を解く。 我々のマルチエージェント強化学習アプローチである、いわゆるマルチエージェントニューラルリライタは、1エージェントニューラルリライタを利用して、反復的に書き換えるソリューションによって問題を解決する。
  論文  参考訳（メタデータ） (2022-06-13T09:17:40Z)
• Cooperative Online Learning in Stochastic and Adversarial MDPs [50.62439652257712]
  我々は、協調的オンライン学習と敵対的マルコフ決定過程(MDP)について研究する。 各エピソードでは、$m$エージェントが同時にMDPと対話し、個人の後悔を最小限に抑えるために情報を共有する。 協調強化学習(RL)を非フレッシュランダム性, あるいは敵対的MDPで検討したのは, 初めてである。
  論文  参考訳（メタデータ） (2022-01-31T12:32:11Z)
• Two-stage training algorithm for AI robot soccer [2.0757564643017092]
  異種エージェントの学習性能を向上させるために,二段階多種集中訓練を提案する。 提案手法は,5対5のAIロボットサッカーを用いて検証を行う。
  論文  参考訳（メタデータ） (2021-04-13T04:24:13Z)
• Flatland Competition 2020: MAPF and MARL for Efficient Train Coordination on a Grid World [49.80905654161763]
  車両再スケジュール問題(vrsp)の解法開発を目的としたフラットランドコンペティション VRSPは、交通ネットワークにおける旅行のスケジュールと、故障が発生した場合の車両の再スケジュールに関するものである。 現代の鉄道網の複雑化は、交通の動的リアルタイムスケジューリングを事実上不可能にします。
  論文  参考訳（メタデータ） (2021-03-30T17:13:29Z)
• Training Generative Adversarial Networks in One Stage [58.983325666852856]
  本稿では,1段階のみに効率よくGANを訓練できる汎用的なトレーニング手法を提案する。 提案手法は,データフリーな知識蒸留など,他の逆学習シナリオにも容易に適用可能であることを示す。
  論文  参考訳（メタデータ） (2021-02-28T09:03:39Z)
• A Software Architecture for Autonomous Vehicles: Team LRM-B Entry in the First CARLA Autonomous Driving Challenge [49.976633450740145]
  本稿では,シミュレーション都市環境における自律走行車両のナビゲーション設計について述べる。 我々のアーキテクチャは、CARLA Autonomous Driving Challengeの要件を満たすために作られました。
  論文  参考訳（メタデータ） (2020-10-23T18:07:48Z)
• Multi-modal Experts Network for Autonomous Driving [16.587968446342995]
  センサデータからエンドツーエンドの学習は、自動運転の有望な結果を示している。 このようなネットワークをトレーニングし、デプロイすることは困難であり、考慮された環境では少なくとも2つの問題に直面している。 本稿では,新しいマルチモーダル・エキスパート・ネットワーク・アーキテクチャを提案し,マルチステージ・トレーニング手法を提案する。
  論文  参考訳（メタデータ） (2020-09-18T14:54:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。