論文の概要: A taxonomy of strategic human interactions in traffic conflicts
- arxiv url: http://arxiv.org/abs/2109.13367v1
- Date: Mon, 27 Sep 2021 22:19:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-29 14:41:09.812023
- Title: A taxonomy of strategic human interactions in traffic conflicts
- Title（参考訳）: 交通紛争における戦略的人間関係の分類
- Authors: Atrisha Sarkar, Kate Larson, Krzysztof Czarnecki
- Abstract要約: 交通紛争における相互作用パターンに基づく戦略的相互作用のための分類法を開発した。
戦略プランナーが作成した戦略を分類学のカテゴリーに自動マッピングする過程を実証する。
AV、QLk、Subgameの戦略的プランニングで使われる2つの一般的なソリューション概念を、完全$epsilon$-Nash Equilibriumで評価する。
- 参考スコア（独自算出の注目度）: 13.415452801139843
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In order to enable autonomous vehicles (AV) to navigate busy traffic
situations, in recent years there has been a focus on game-theoretic models for
strategic behavior planning in AVs. However, a lack of common taxonomy impedes
a broader understanding of the strategies the models generate as well as the
development of safety specification to identity what strategies are safe for an
AV to execute. Based on common patterns of interaction in traffic conflicts, we
develop a taxonomy for strategic interactions along the dimensions of agents'
initial response to right-of-way rules and subsequent response to other agents'
behavior. Furthermore, we demonstrate a process of automatic mapping of
strategies generated by a strategic planner to the categories in the taxonomy,
and based on vehicle-vehicle and vehicle-pedestrian interaction simulation, we
evaluate two popular solution concepts used in strategic planning in AVs, QLk
and Subgame perfect $\epsilon$-Nash Equilibrium, with respect to those
categories.
- Abstract（参考訳）: 近年,自律走行車(AV)が交通状況をナビゲートするために,AVにおける戦略行動計画のためのゲーム理論モデルに注目が集まっている。
しかしながら、一般的な分類学の欠如は、モデルが生成する戦略のより広範な理解と、AVが実行すべき安全な戦略を特定するための安全仕様の開発を妨げている。
交通紛争におけるインタラクションの共通パターンに基づいて, エージェントの初期反応とその後のエージェントの行動に対する反応の次元に沿って, 戦略的相互作用の分類法を開発する。
さらに,戦略プランナーが生成する戦略を分類学のカテゴリに自動マッピングするプロセスを示し,車両と車両の相互作用シミュレーションに基づいて,avs,qlk,サブゲームにおける戦略計画に使用される2つの一般的な解概念を,それらのカテゴリに関して評価した。
関連論文リスト
- Mutual-modality Adversarial Attack with Semantic Perturbation [81.66172089175346]
本稿では,相互モダリティ最適化スキームにおける敵攻撃を生成する新しい手法を提案する。
我々の手法は最先端の攻撃方法より優れており、プラグイン・アンド・プレイ・ソリューションとして容易にデプロイできる。
論文 参考訳（メタデータ） (2023-12-20T05:06:01Z) - 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) - Interaction-Aware Decision-Making for Autonomous Vehicles in Forced
Merging Scenario Leveraging Social Psychology Factors [7.812717451846781]
インタラクションドライバの社会的行動と個人的目的の両方を取り入れた行動モデルを考える。
我々は、他のドライバーの意図をオンラインで見積もる、後退する水平制御に基づく意思決定戦略を開発する。
論文 参考訳（メタデータ） (2023-09-25T19:49:14Z) - Learning Near-Optimal Intrusion Responses Against Dynamic Attackers [0.0]
自動侵入応答について検討し,攻撃者とディフェンダーとの相互作用を最適な停止ゲームとして定式化する。
準最適ディフェンダー戦略を得るために,近似を用いてナッシュリリアを学習する架空のセルフプレイアルゴリズムを開発した。
このアプローチは、実用的なITインフラストラクチャのための効果的なディフェンダー戦略を生み出すことができる、と私たちは主張する。
論文 参考訳（メタデータ） (2023-01-11T16:36:24Z) - AdvDO: Realistic Adversarial Attacks for Trajectory Prediction [87.96767885419423]
軌道予測は、自動運転車が正しく安全な運転行動を計画するために不可欠である。
我々は,現実的な対向軌道を生成するために,最適化に基づく対向攻撃フレームワークを考案する。
私たちの攻撃は、AVが道路を走り去るか、シミュレーション中に他の車両に衝突する可能性がある。
論文 参考訳（メタデータ） (2022-09-19T03:34:59Z) - Strategic Decision-Making in the Presence of Information Asymmetry:
Provably Efficient RL with Algorithmic Instruments [55.41685740015095]
我々は,戦略MDPと呼ばれる新しいモデルの下で,オフライン強化学習について検討する。
アルゴリズムiNstruments(PLAN)を用いたペシミスティックポリシー学習法を提案する。
論文 参考訳（メタデータ） (2022-08-23T15:32:44Z) - Deep Interactive Motion Prediction and Planning: Playing Games with
Motion Prediction Models [162.21629604674388]
本研究は,新しい対話型マルチエージェントニューラルネットワークポリシを予測モデルの一部として使用するゲーム理論モデル予測制御器(MPC)を提案する。
本手法の成功の基礎は,周辺エージェントの状態と地図情報に基づいて車両を操縦できる,新しいマルチエージェントポリシーネットワークの設計である。
論文 参考訳（メタデータ） (2022-04-05T17:58:18Z) - Generalized dynamic cognitive hierarchy models for strategic driving
behavior [13.415452801139843]
我々は、自然主義的人間運転行動と自律走行車における行動計画の両方をモデル化するための一般化された動的認知階層の枠組みを開発する。
2つの大きな自然主義的データセットの評価に基づいて、動的レベル-kフレームワークにおけるレベル-0の振る舞いにオートマトン戦略が適していることを示す。
論文 参考訳（メタデータ） (2021-09-20T21:49:52Z) - Learning Interaction-aware Guidance Policies for Motion Planning in
Dense Traffic Scenarios [8.484564880157148]
本稿では,高密度交通シナリオにおける対話型モーションプランニングのための新しい枠組みを提案する。
我々は,他車両の協調性に関する国際的ガイダンスを提供するインタラクション対応政策であるDeep Reinforcement Learning (RL) を通じて学習することを提案する。
学習されたポリシーは、ローカル最適化ベースのプランナーを推論し、対話的な振る舞いで誘導し、他の車両が収まらない場合に安全を維持しながら、密集したトラフィックに積極的にマージする。
論文 参考訳（メタデータ） (2021-07-09T16:43:12Z) - What-If Motion Prediction for Autonomous Driving [58.338520347197765]
生存可能なソリューションは、道路レーンのような静的な幾何学的文脈と、複数のアクターから生じる動的な社会的相互作用の両方を考慮しなければならない。
本稿では,解釈可能な幾何学的(アクター・レーン)と社会的(アクター・アクター)の関係を持つグラフに基づく注意的アプローチを提案する。
提案モデルでは,道路レーンやマルチアクターの相互作用を仮定的に,あるいは「何」かで予測できる。
論文 参考訳（メタデータ） (2020-08-24T17:49:30Z) - Reinforcement Learning-Enabled Decision-Making Strategies for a
Vehicle-Cyber-Physical-System in Connected Environment [9.61519028373031]
本稿では,コネクテッド環境における自動運転車の意思決定戦略について論じる。
2つの古典的強化学習(RL)アルゴリズム、Q-learningとDynaを利用して、DM戦略を導出する。
DMポリシーの安全性と効率の制御性能を解析した。
論文 参考訳（メタデータ） (2020-07-16T14:37:50Z)
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。