論文の概要: Strategic Mitigation of Agent Inattention in Drivers with Open-Quantum Cognition Models

• arxiv url: http://arxiv.org/abs/2107.09888v1
• Date: Wed, 21 Jul 2021 06:02:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-22 14:05:34.157965
• Title: Strategic Mitigation of Agent Inattention in Drivers with Open-Quantum Cognition Models
• Title（参考訳）: オープン量子認知モデルドライバーにおけるエージェント不注意の戦略的緩和
• Authors: Qizi Zhang and Venkata Sriram Siddhardh Nadendla and S. N. Balakrishnan and Jerome Busemeyer
• Abstract要約: 最先端の運転支援システムは、運転者の不注意を効果的に軽減することができなかった。 我々は,運転者の精神状態と選択行動に適応する,戦略的かつパーソナライズされた運転支援システムを開発する。
• 参考スコア（独自算出の注目度）: 1.3764085113103217
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: State-of-the-art driver-assist systems have failed to effectively mitigate driver inattention and had minimal impacts on the ever-growing number of road mishaps (e.g. life loss, physical injuries due to accidents caused by various factors that lead to driver inattention). This is because traditional human-machine interaction settings are modeled in classical and behavioral game-theoretic domains which are technically appropriate to characterize strategic interaction between either two utility maximizing agents, or human decision makers. Therefore, in an attempt to improve the persuasive effectiveness of driver-assist systems, we develop a novel strategic and personalized driver-assist system which adapts to the driver's mental state and choice behavior. First, we propose a novel equilibrium notion in human-system interaction games, where the system maximizes its expected utility and human decisions can be characterized using any general decision model. Then we use this novel equilibrium notion to investigate the strategic driver-vehicle interaction game where the car presents a persuasive recommendation to steer the driver towards safer driving decisions. We assume that the driver employs an open-quantum system cognition model, which captures complex aspects of human decision making such as violations to classical law of total probability and incompatibility of certain mental representations of information. We present closed-form expressions for players' final responses to each other's strategies so that we can numerically compute both pure and mixed equilibria. Numerical results are presented to illustrate both kinds of equilibria.
• Abstract（参考訳）: 最先端の運転支援システムは、ドライバーの不注意を効果的に軽減することができず、成長を続ける道路事故の数(例)に最小限の影響しか与えていない。 運転者の不注意につながる様々な要因による事故による生命喪失、身体的な怪我。 これは、従来の人間と機械の相互作用設定が、2つのユーティリティ最大化エージェントまたは人間の意思決定者間の戦略的相互作用を技術的に特徴付けるのに適した古典的および行動論的領域でモデル化されているためである。 そこで,ドライバ・アシストシステムの説得力を高めるために,ドライバーの精神状態や選択行動に適応した,新しい戦略的でパーソナライズされたドライバ・アシストシステムを開発した。 まず,人間のシステム間相互作用ゲームにおいて,システムが期待する実用性と人的決定を最大化し,任意の一般的な決定モデルを用いて特徴付けることのできる新しい均衡概念を提案する。 そして、この新たな均衡概念を用いて、より安全な運転決定に向けてドライバーを操る説得力のある推奨を与える戦略的なドライバーと車両の相互作用ゲームを調査する。 ドライバは、人間の意思決定の複雑な側面を捉えたオープン量子システム認知モデルを採用しており、それは、情報の特定の精神的表現の古典的法則や不適合性に違反していると仮定する。 我々は,プレイヤー同士の戦略に対する最終応答に対する閉形式表現を提示することにより,純粋および混合平衡を数値的に計算できる。 両種類の平衡を示すために数値的な結果が示される。

関連論文リスト

• DME-Driver: Integrating Human Decision Logic and 3D Scene Perception in Autonomous Driving [65.04871316921327]
  本稿では,自律運転システムの性能と信頼性を高める新しい自律運転システムを提案する。 DME-Driverは、意思決定者として強力な視覚言語モデル、制御信号生成者として計画指向認識モデルを利用する。 このデータセットを利用することで、論理的思考プロセスを通じて高精度な計画精度を実現する。
  論文  参考訳（メタデータ） (2024-01-08T03:06:02Z)
• RACER: Rational Artificial Intelligence Car-following-model Enhanced by Reality [51.244807332133696]
  本稿では,アダプティブ・クルーズ・コントロール(ACC)運転行動を予測する,最先端の深層学習車追従モデルであるRACERを紹介する。 従来のモデルとは異なり、RACERは実走行の重要な要素であるRDC(Rational Driving Constraints)を効果的に統合している。 RACERはアクセラレーション、ベロシティ、スペーシングといった主要なメトリクスを網羅し、ゼロ違反を登録する。
  論文  参考訳（メタデータ） (2023-12-12T06:21:30Z)
• Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
  本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。 これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。 提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-11-27T18:57:42Z)
• Resolving uncertainty on the fly: Modeling adaptive driving behavior as active inference [6.935068505791817]
  適応運転行動の既存の交通心理学モデルは、計算厳密さを欠いているか、特定のシナリオや行動現象にのみ対応していない。 本稿では,脳神経科学を起源とする行動モデルである,能動推論に基づくモデルを提案する。 予測自由エネルギー最小化の単一原理から人間のような適応運転行動が生じることを示す。
  論文  参考訳（メタデータ） (2023-11-10T22:40:41Z)
• Studying the Impact of Semi-Cooperative Drivers on Overall Highway Flow [76.38515853201116]
  半協調行動は、人間ドライバーの本質的な性質であり、自律運転には考慮すべきである。 新たな自律型プランナーは、社会的に準拠した軌道を生成するために、人間のドライバーの社会的価値指向(SVO)を考慮することができる。 エージェントが反復的最適応答のゲーム理論バージョンをデプロイする暗黙的な半協調運転について検討する。
  論文  参考訳（メタデータ） (2023-04-23T16:01:36Z)
• Decision Making for Autonomous Driving in Interactive Merge Scenarios via Learning-based Prediction [39.48631437946568]
  本稿では,他のドライバの動作から不確実性が生ずる移動トラフィックにマージする複雑なタスクに焦点を当てる。 我々はこの問題を部分的に観測可能なマルコフ決定プロセス(POMDP)とみなし、モンテカルロ木探索でオンラインに解決する。 POMDPの解決策は、接近する車に道を譲る、前方の車から安全な距離を維持する、あるいは交通に合流するといった、高いレベルの運転操作を行う政策である。
  論文  参考訳（メタデータ） (2023-03-29T16:12:45Z)
• Non-zero-sum Game Control for Multi-vehicle Driving via Reinforcement Learning [0.0]
  本稿では,非ゼロサムゲームとしてマルチサイクル駆動シナリオを構築した。 決定はナッシュ均衡駆動戦略によってなされる。 我々のアルゴリズムは、加速度と操舵角を直接制御することで、完全に駆動できる。
  論文  参考訳（メタデータ） (2023-02-08T09:27:20Z)
• Deep Structured Reactive Planning [94.92994828905984]
  自動運転のための新しいデータ駆動型リアクティブ計画目標を提案する。 本モデルは,非常に複雑な操作を成功させる上で,非反応性変種よりも優れることを示す。
  論文  参考訳（メタデータ） (2021-01-18T01:43:36Z)
• End-to-End Learning and Intervention in Games [60.41921763076017]
  ゲームにおける学習と介入のための統一的なフレームワークを提供する。 明示的および暗黙的な区別に基づく2つのアプローチを提案する。 分析結果は、実世界のいくつかの問題を用いて検証される。
  論文  参考訳（メタデータ） (2020-10-26T18:39:32Z)
• Towards a Systematic Computational Framework for Modeling Multi-Agent Decision-Making at Micro Level for Smart Vehicles in a Smart World [8.899670429041453]
  スマートカーのマイクロレベルにおける意思決定と戦略的相互作用をモデル化するためのマルチエージェントベースの計算フレームワークを提案する。 本研究の目的は,自律走行車のためのマイクロパス計画など,様々な現実的なアプリケーションに対して,概念的に健全かつ実用的なフレームワークを提供することである。
  論文  参考訳（メタデータ） (2020-09-25T13:05:28Z)
• Solution Concepts in Hierarchical Games under Bounded Rationality with Applications to Autonomous Driving [8.500525426182115]
  階層型ゲームを用いた運転行動のゲーム理論モデルを作成する。 本研究では,自然主義データに適合するモデルと,その予測能力に基づいて行動モデルを評価する。 以上の結果から, 運転行動モデルとして評価された動作モデルのうち, レベル0の振る舞いをルールフォローとしてモデル化したQuantal Level-kモデルの適応として, 運転行動のモデル化が, 自然主義的な運転行動に最も適していることが示唆された。
  論文  参考訳（メタデータ） (2020-09-21T17:13:50Z)

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。