論文の概要: Two Tales of Platoon Intelligence for Autonomous Mobility Control: Enabling Deep Learning Recipes

• arxiv url: http://arxiv.org/abs/2307.09711v1
• Date: Wed, 19 Jul 2023 01:46:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-20 15:35:55.018472
• Title: Two Tales of Platoon Intelligence for Autonomous Mobility Control: Enabling Deep Learning Recipes
• Title（参考訳）: 自律移動制御のための小隊知能--ディープラーニングレシピの実現
• Authors: Soohyun Park, Haemin Lee, Chanyoung Park, Soyi Jung, Minseok Choi, Joongheon Kim
• Abstract要約: コミュニケーションネットワーク(CommNet)は、複数のエージェントが共通の目的のために分散的に行動することを可能にするために導入された。 ニューラルマイヤーソンオークションは、複数のエージェント間の信頼を保証し、高度にダイナミックなシステムの最適収益を達成する。 我々は,MARLとニューラルマイソンのオークションの統合が,効率的で信頼性の高い自律移動サービスにとって重要であることを強調した。
• 参考スコア（独自算出の注目度）: 17.651694202293097
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents the deep learning-based recent achievements to resolve the problem of autonomous mobility control and efficient resource management of autonomous vehicles and UAVs, i.e., (i) multi-agent reinforcement learning (MARL), and (ii) neural Myerson auction. Representatively, communication network (CommNet), which is one of the most popular MARL algorithms, is introduced to enable multiple agents to take actions in a distributed manner for their shared goals by training all agents' states and actions in a single neural network. Moreover, the neural Myerson auction guarantees trustfulness among multiple agents as well as achieves the optimal revenue of highly dynamic systems. Therefore, we survey the recent studies on autonomous mobility control based on MARL and neural Myerson auction. Furthermore, we emphasize that integration of MARL and neural Myerson auction is expected to be critical for efficient and trustful autonomous mobility services.
• Abstract（参考訳）: 本稿では,自律移動制御の課題と,自律走行車および無人機の効率的な資源管理,すなわち,ディープラーニングに基づく最近の成果について述べる。 (i)マルチエージェント強化学習(marl)、及び (二)ニューラル・マーソン競売。 代表的に、最も人気のあるMARLアルゴリズムの1つである通信ネットワーク(CommNet)が導入された。複数のエージェントが単一のニューラルネットワークですべてのエージェントの状態とアクションをトレーニングすることで、共有目標に対して分散的にアクションを実行できる。 さらに、ニューラルマイヤーソンオークションは、複数のエージェント間の信頼性を保証するとともに、高度にダイナミックなシステムの最適収益を達成する。 そこで我々は,MARLとニューラルマイソンオークションに基づく自律移動制御に関する最近の研究を調査した。 さらに,MARLとニューラルマイソンのオークションの統合は,効率的で信頼性の高い自律型モビリティサービスにとって重要であることを強調した。

関連論文リスト

• Value-Based Deep Multi-Agent Reinforcement Learning with Dynamic Sparse Training [38.03693752287459]
  マルチエージェント強化学習(MARL)は、マルチエージェントシナリオにおいて、多数のパラメータを持つニューラルネットワークに依存している。 本稿では,動的スパーストレーニング(DST)の利用法を提案する。 本稿では,学習目標の信頼性とサンプル分布の合理性を同時に向上することを目的とした,革新的なマルチエージェントスパーストレーニング(MAST)フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-28T15:57:24Z)
• Graph Neural Networks with Model-based Reinforcement Learning for Multi-agent Systems [11.893324664457548]
  マルチエージェントシステム(MAS)は、マシンインテリジェンスと高度な応用を探索する上で重要な役割を果たしている。 モデルベース強化学習を用いた状態空間グラフニューラルネットワークを用いて,特定のMASミッションに対処する"GNN for MBRL"モデルを提案する。 具体的には,まずGNNモデルを用いて,複数のエージェントの将来の状態や軌道を予測し,次にCEM(Cross-Entropy Method)最適化モデル予測制御を適用して,エゴエージェント計画動作を支援し,特定のMASタスクの達成に成功した。
  論文  参考訳（メタデータ） (2024-07-12T13:21:35Z)
• A Distributed Approach to Autonomous Intersection Management via Multi-Agent Reinforcement Learning [4.659033572014701]
  高度な補助システムに3Dサラウンドビュー技術を活用することで、自律走行車は集中制御装置を必要とせずに交差点のシナリオを正確にナビゲートできることを示す。 従来型のAIM技術に対する革新的な代替手段としてのアプローチを検証し,その結果の完全な有効性を確保する。
  論文  参考訳（メタデータ） (2024-05-14T14:34:24Z)
• Decentralized and Lifelong-Adaptive Multi-Agent Collaborative Learning [57.652899266553035]
  分散型および生涯適応型多エージェント協調学習は、中央サーバを使わずに複数のエージェント間のコラボレーションを強化することを目的としている。 動的協調グラフを用いた分散マルチエージェント生涯協調学習アルゴリズムであるDeLAMAを提案する。
  論文  参考訳（メタデータ） (2024-03-11T09:21:11Z)
• Robot Fine-Tuning Made Easy: Pre-Training Rewards and Policies for Autonomous Real-World Reinforcement Learning [58.3994826169858]
  ロボット強化学習のためのリセット不要な微調整システムであるRoboFuMEを紹介する。 我々の洞察は、オフラインの強化学習技術を利用して、事前訓練されたポリシーの効率的なオンライン微調整を確保することである。 提案手法では,既存のロボットデータセットからのデータを組み込んで,目標タスクを3時間以内の自律現実体験で改善することができる。
  論文  参考訳（メタデータ） (2023-10-23T17:50:08Z)
• Self-Supervised Neuron Segmentation with Multi-Agent Reinforcement Learning [53.00683059396803]
  マスク画像モデル(MIM)は,マスク画像から元の情報を復元する簡便さと有効性から広く利用されている。 本稿では、強化学習(RL)を利用して最適な画像マスキング比とマスキング戦略を自動検索する決定に基づくMIMを提案する。 本手法は,ニューロン分節の課題において,代替自己監督法に対して有意な優位性を有する。
  論文  参考訳（メタデータ） (2023-10-06T10:40:46Z)
• An Introduction to Multi-Agent Reinforcement Learning and Review of its Application to Autonomous Mobility [1.496194593196997]
  マルチエージェント強化学習(MARL、Multi-Agent Reinforcement Learning)は、複数のエージェントが相互に相互作用する最適な解を見つけることを目的とした研究分野である。 この研究は、自律移動の研究者にこの分野の概要を提供することを目的としている。
  論文  参考訳（メタデータ） (2022-03-15T06:40:28Z)
• Local Advantage Networks for Cooperative Multi-Agent Reinforcement Learning [1.1879716317856945]
  本稿では,協調的部分観測環境のための新しいタイプの強化学習アルゴリズムを提案する。 我々は、各エージェントに対して、個別の利点関数を介して分散化されたベストレスポンスポリシーを学ぶために、デュエルアーキテクチャを使用します。 StarCraft IIマルチエージェントチャレンジベンチマークの評価は、LANが最先端のパフォーマンスに達することを示している。
  論文  参考訳（メタデータ） (2021-12-23T10:55:33Z)
• Optimization for Master-UAV-powered Auxiliary-Aerial-IRS-assisted IoT Networks: An Option-based Multi-agent Hierarchical Deep Reinforcement Learning Approach [56.84948632954274]
  本稿では,無人航空機(MUAV)搭載のIoT(Internet of Things)ネットワークについて検討する。 本稿では、インテリジェント反射面(IRS)を備えた充電可能な補助UAV(AUAV)を用いて、MUAVからの通信信号を強化することを提案する。 提案モデルでは,IoTネットワークの蓄積スループットを最大化するために,これらのエネルギー制限されたUAVの最適協調戦略について検討する。
  論文  参考訳（メタデータ） (2021-12-20T15:45:28Z)
• Persistent Reinforcement Learning via Subgoal Curricula [114.83989499740193]
  VaPRL(Value-accelerated Persistent Reinforcement Learning)は、初期状態のカリキュラムを生成する。 VaPRLは、エピソード強化学習と比較して、3桁の精度で必要な介入を減らす。
  論文  参考訳（メタデータ） (2021-07-27T16:39:45Z)
• Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
  マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。 我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。 コア最適化問題の実用的なパラメトリゼーションを提供する。
  論文  参考訳（メタデータ） (2021-07-08T18:01:02Z)

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。