論文の概要: Autonomous and Human-Driven Vehicles Interacting in a Roundabout: A
Quantitative and Qualitative Evaluation
- arxiv url: http://arxiv.org/abs/2309.08254v2
- Date: Fri, 23 Feb 2024 19:47:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-27 19:17:04.258258
- Title: Autonomous and Human-Driven Vehicles Interacting in a Roundabout: A
Quantitative and Qualitative Evaluation
- Title(参考訳): ラウンドアラウンドで作動する自律・人間駆動車:定量的・質的評価
- Authors: Laura Ferrarotti, Massimiliano Luca, Gabriele Santin, Giorgio
Previati, Gianpiero Mastinu, Massimiliano Gobbi, Elena Campi, Lorenzo
Uccello, Antonino Albanese, Praveen Zalaya, Alessandro Roccasalva, Bruno
Lepri
- Abstract要約: 我々は,イタリア・ミラノのラウンドアバウンドにおいて,交通渋滞を最小限に抑え,汚染を最小限に抑える政策を学ぶ。
最先端のコックピットを用いて学習方針を定性的に評価し,実世界に近い環境下での性能を評価する。
以上の結果から,ヒト駆動車両はAVの動態を最適化することの利点が示唆された。
- 参考スコア(独自算出の注目度): 34.67306374722473
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Optimizing traffic dynamics in an evolving transportation landscape is
crucial, particularly in scenarios where autonomous vehicles (AVs) with varying
levels of autonomy coexist with human-driven cars. While optimizing
Reinforcement Learning (RL) policies for such scenarios is becoming more and
more common, little has been said about realistic evaluations of such trained
policies. This paper presents an evaluation of the effects of AVs penetration
among human drivers in a roundabout scenario, considering both quantitative and
qualitative aspects. In particular, we learn a policy to minimize traffic jams
(i.e., minimize the time to cross the scenario) and to minimize pollution in a
roundabout in Milan, Italy. Through empirical analysis, we demonstrate that the
presence of AVs} can reduce time and pollution levels. Furthermore, we
qualitatively evaluate the learned policy using a cutting-edge cockpit to
assess its performance in near-real-world conditions. To gauge the practicality
and acceptability of the policy, we conduct evaluations with human participants
using the simulator, focusing on a range of metrics like traffic smoothness and
safety perception. In general, our findings show that human-driven vehicles
benefit from optimizing AVs dynamics. Also, participants in the study highlight
that the scenario with 80% AVs is perceived as safer than the scenario with
20%. The same result is obtained for traffic smoothness perception.
- Abstract(参考訳): 進化する交通環境での交通力学の最適化は、特に自律性レベルが異なる自動運転車(av)が人間駆動車と共存するシナリオにおいて重要である。
このようなシナリオに対する強化学習(rl)ポリシーの最適化がますます一般的になってきているが、そのようなトレーニングされたポリシーの現実的な評価についてはほとんど語られていない。
本稿では, 定量的, 定性的両面を考慮した, 人体運転者に対するAVの浸透効果の評価を行った。
特に,イタリア・ミラノのラウンドアバウンドにおいて,交通渋滞を最小化(シナリオを横断する時間を最小化)し,汚染を最小限にする政策を学ぶ。
実証分析により, AVs の存在が時間と汚染レベルを減少させることを示した。
さらに,最先端のコックピットを用いて学習方針を質的に評価し,実世界に近い条件下での性能を評価する。
政策の実用性と受容性を評価するため,交通のスムーズさや安全知覚などの指標に着目し,シミュレータを用いて人間と評価を行った。
一般的には、人間の運転する車両は、AVのダイナミクスを最適化する利点がある。
また、この研究の参加者は、80% avのシナリオは20%のシナリオよりも安全だと感じていることを強調している。
交通平滑度知覚についても同様の結果が得られた。
関連論文リスト
- Analyze Drivers' Intervention Behavior During Autonomous Driving -- A
VR-incorporated Approach [2.7532019227694344]
この研究は、自動運転車の運転に関わる人間のドライバーの介入行動を理解することに光を当てている。
仮想リアリティ(VR)と交通マイクロシミュレーションを統合する実験環境が実装された。
介入の確率、事故率などのパフォーマンス指標が定義され、リスクレベルを定量化し比較するために使用される。
論文 参考訳(メタデータ) (2023-12-04T06:36:57Z) - Beyond Simulated Drivers: Evaluating the Impact of Real-World
Car-Following in Mixed Traffic Control [2.2934536128870113]
人間が運転する車両は、自然に発生する交通の摂動を増幅し、渋滞と燃料消費の増加につながる。
これまでの研究では、一部のロボット車両(RV)がこれらの問題を緩和できることが強調されている。
実世界の人間の運転軌跡を解析し,自動車追従時の幅広い加速度挙動を抽出する。
次に、これらの挙動をシミュレーションに組み込んで、先行研究のRVを用いて渋滞を緩和する。
論文 参考訳(メタデータ) (2023-11-21T00:45:13Z) - A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳(メタデータ) (2023-08-02T09:48:08Z) - 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) - Exploring the trade off between human driving imitation and safety for
traffic simulation [0.34410212782758043]
運転方針の学習において,人間の運転の模倣と安全維持との間にはトレードオフが存在することを示す。
両目的を協調的に改善する多目的学習アルゴリズム(MOPPO)を提案する。
論文 参考訳(メタデータ) (2022-08-09T14:30:19Z) - Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。
擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
論文 参考訳(メタデータ) (2022-06-28T17:08:31Z) - Cautious Adaptation For Reinforcement Learning in Safety-Critical
Settings [129.80279257258098]
都市運転のような現実の安全クリティカルな目標設定における強化学習(RL)は危険である。
非安全クリティカルな「ソース」環境でエージェントが最初に訓練する「安全クリティカル適応」タスクセットを提案する。
多様な環境における事前経験がリスクを見積もるためにエージェントに装備するという直感に基づくソリューションアプローチであるCARLを提案する。
論文 参考訳(メタデータ) (2020-08-15T01:40:59Z) - Can Autonomous Vehicles Identify, Recover From, and Adapt to
Distribution Shifts? [104.04999499189402]
トレーニング外の配布(OOD)シナリオは、デプロイ時にエージェントを学ぶ上で一般的な課題である。
インプロバスト模倣計画(RIP)と呼ばれる不確実性を考慮した計画手法を提案する。
提案手法は,OODシーンにおける過信および破滅的な外挿を低減し,分布変化を検知し,回復することができる。
分散シフトを伴うタスク群に対する駆動エージェントのロバスト性を評価するために,自動走行車ノベルシーンベンチマークであるtexttCARNOVEL を導入する。
論文 参考訳(メタデータ) (2020-06-26T11:07:32Z) - Adversarial Evaluation of Autonomous Vehicles in Lane-Change Scenarios [10.53961877853783]
対戦環境における自律走行車の評価を効率よく行うための適応評価フレームワークを提案する。
危険なシナリオのマルチモーダルな性質を考慮すると、多様性のために異なる局所最適化を表現するためにアンサンブルモデルを使用する。
その結果,テスト車両の性能は有意に低下した。
論文 参考訳(メタデータ) (2020-04-14T14:12:17Z)
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。