論文の概要: AI4GCC - Team: Below Sea Level: Score and Real World Relevance
- arxiv url: http://arxiv.org/abs/2307.13892v1
- Date: Wed, 26 Jul 2023 01:32:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-27 13:55:17.010483
- Title: AI4GCC - Team: Below Sea Level: Score and Real World Relevance
- Title（参考訳）: AI4GCC - チーム: 海底レベル: スコアと実世界の関連性
- Authors: Phillip Wozny, Bram Renting, Robert Loftin, Claudia Wieners, Erman
Acar
- Abstract要約: RICE-N気候・経済シミュレーションにおける交渉プロトコルを提案する。
シミュレーション結果と代表濃度経路を比較することで,本手法の有効性を実証する。
我々は,我々の議定書の世界貿易機関のコンプライアンス,行政及び政治的実現可能性,倫理的懸念について分析する。
- 参考スコア（独自算出の注目度）: 3.6223658572137825
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As our submission for track three of the AI for Global Climate Cooperation
(AI4GCC) competition, we propose a negotiation protocol for use in the RICE-N
climate-economic simulation. Our proposal seeks to address the challenges of
carbon leakage through methods inspired by the Carbon Border Adjustment
Mechanism (CBAM) and Climate Clubs (CC). We demonstrate the effectiveness of
our approach by comparing simulated outcomes to representative concentration
pathways (RCP) and shared socioeconomic pathways (SSP). Our protocol results in
a temperature rise comparable to RCP 3.4/4.5 and SSP 2. Furthermore, we provide
an analysis of our protocol's World Trade Organization compliance,
administrative and political feasibility, and ethical concerns. We recognize
that our proposal risks hurting the least developing countries, and we suggest
specific corrective measures to avoid exacerbating existing inequalities, such
as technology sharing and wealth redistribution. Future research should improve
the RICE-N tariff mechanism and implement actions allowing for the
aforementioned corrective measures.
- Abstract（参考訳）: ai for global climate cooperation (ai4gcc) コンペティションのトラック3への提案として,米-n気候経済シミュレーションにおける使用のための交渉プロトコルを提案する。
本提案では, 炭素境界調整機構 (CBAM) と気候クラブ (CC) にインスパイアされた手法を用いて, 炭素漏れの課題を解決することを目的とする。
シミュレーション結果と代表集中経路(RCP)と共有社会経済経路(SSP)を比較し,本手法の有効性を実証した。
我々のプロトコルは、RCP 3.4/4.5 と SSP 2 に匹敵する温度上昇をもたらす。
さらに、我が国の国際貿易機関(WTO)のコンプライアンス、行政及び政治的実現可能性、倫理的懸念について分析する。
我々は,我々の提案が発展途上国を損なうリスクがあることを認識し,技術共有や富の再分配といった既存の不平等を悪化させないための具体的な是正措置を提案する。
今後の研究は、米-n関税機構を改善し、前述の是正措置を可能にする措置を講じるべきである。
関連論文リスト
- Crafting desirable climate trajectories with RL explored socio-environmental simulations [3.554161433683967]
統合アセスメントモデル(IAM)は、社会、経済、環境シミュレーションを組み合わせて、潜在的な政策効果を予測する。
従来の解決法を置き換えるために強化学習(RL)を用いた最近の予備研究は、不確実でノイズの多いシナリオにおける意思決定において有望な結果を示している。
我々は、様々な利害関係者や国家間の複雑な相互作用の相互作用をモデル化するための予備分析として、複数の対話的RLエージェントを導入することにより、この研究を拡大する。
論文 参考訳（メタデータ） (2024-10-09T13:21:50Z) - Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。
階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。
MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
論文 参考訳（メタデータ） (2024-06-12T05:08:51Z) - Improving International Climate Policy via Mutually Conditional Binding
Commitments [0.03499870393443267]
条件付きコミットメントメカニズムは、国際気候政策における条件付き協力の形式化を目的としている。
本稿では,AI4ClimateCooperationのメカニズムの概要と,その性能について述べる。
論文 参考訳（メタデータ） (2023-07-26T15:53:26Z) - Improving International Climate Policy via Mutually Conditional Binding
Commitments [0.0]
本稿では,RICE-Nシミュレーションとマルチエージェント強化学習フレームワークの改良を提案する。
我々は、気候交渉をモデル化する際の様々な要因に対処する重要な強化の必要性を強調した。
論文 参考訳（メタデータ） (2023-07-26T15:53:21Z) - AI For Global Climate Cooperation 2023 Competition Proceedings [77.07135605362795]
国際機関が国際気候協定の遵守を保証できない。
RICE-NはAIエージェントを使用した地域意思決定のモデリングをサポートする。
IAMは、これらの決定の気候・経済的な影響を未来にモデル化する。
論文 参考訳（メタデータ） (2023-07-10T20:05:42Z) - CCE: Sample Efficient Sparse Reward Policy Learning for Robotic Navigation via Confidence-Controlled Exploration [72.24964965882783]
CCE (Confidence-Controlled Exploration) は、ロボットナビゲーションのようなスパース報酬設定のための強化学習アルゴリズムのトレーニングサンプル効率を高めるために設計された。
CCEは、勾配推定と政策エントロピーの間の新しい関係に基づいている。
我々は、CCEが一定軌跡長とエントロピー正規化を用いる従来の手法より優れるシミュレーションおよび実世界の実験を通して実証する。
論文 参考訳（メタデータ） (2023-06-09T18:45:15Z) - AI for Global Climate Cooperation: Modeling Global Climate Negotiations,
Agreements, and Long-Term Cooperation in RICE-N [75.67460895629348]
n個の戦略エージェントによる気候変動緩和に関する長期的な協力は、複雑なゲーム理論の問題を引き起こす。
地球温暖化と経済をシミュレートするマルチリージョン統合アセスメントモデルであるRICE-Nを紹介する。
本稿では,多エージェント強化学習を用いて理性エージェントをRICE-Nで訓練する方法について述べる。
論文 参考訳（メタデータ） (2022-08-15T04:38:06Z) - (Private)-Retroactive Carbon Pricing [(P)ReCaP]: A Market-based Approach
for Climate Finance and Risk Assessment [64.83786252406105]
Retrospective Social Cost of Carbon Updating (ReSCCU) は、実験的に測定された証拠を収集して制限を補正する新しいメカニズムである。
炭素税の文脈でReSCCUを実装するために,Retroactive Carbon Pricing (ReCaP)を提案する。
組織的リスクを緩和し、政府の関与を最小限に抑えるため、我々はPrivate ReCaP(Private ReCaP)予測市場を導入する。
論文 参考訳（メタデータ） (2022-05-02T06:02:13Z) - Multi-task Collaborative Network for Joint Referring Expression
Comprehension and Segmentation [135.67558811281984]
表現理解(REC)とセグメンテーション(RES)を併用した共同学習を実現するための新しいマルチタスク協調ネットワーク(MCN)を提案する。
MCNでは、RESはRECがよりよい言語ビジョンアライメントを達成するのに役立ち、RECはRESが参照者を見つけるのに役立ちます。
我々は,このマルチタスク・セットアップにおいて,一貫性エネルギー最大化 (Consistency Energy Maximization, CEM) と適応ソフト非局所抑制 (Adaptive Soft Non-Located Suppression, ASNLS) という2つのイノベーティブな設計による予測競合という重要な課題に対処する。
論文 参考訳（メタデータ） (2020-03-19T14:25:18Z)
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。