論文の概要: Driver Safety Reward with Cooperative Platooning using Blockchain
- arxiv url: http://arxiv.org/abs/2312.02164v1
- Date: Tue, 24 Oct 2023 23:21:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 13:06:53.838559
- Title: Driver Safety Reward with Cooperative Platooning using Blockchain
- Title(参考訳): ブロックチェーンを用いた協調プラトゥーニングによる運転者の安全回復
- Authors: Sruthi Rachamalla, Henry Hexmoor,
- Abstract要約: 運転者の安全につながる道路での小隊化を促進するドライバーインセンティブモデルを提案する。
小隊のリーダーはフォロワーよりも複数の責任を持ち、我々のモデルはフォロワーよりもリーダーにインセンティブを与える。
この小隊のリーダーとフォロワーの両方のためのデジタルマネタイズ方法は、ブロックチェーンを使用したセキュアなトランザクションによって実現される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cooperative driving (or Platooning) focuses on improving the safety and efficiency by connecting two or more vehicles on a road by vehicular communication protocols. The leader is crucial as it manages the platoon, establishes communication between cars, and perform platoon maneuvers. In this paper, we proposed a driver incentive model which encourages platooning on roads leading to driver safety. As, the leader of platoon have multiple responsibilities than followers, our model rewards more incentives to leader than followers. These incentives will be rewarded as crypto tokens. This digital monetization method for both leaders and followers of a platoon is accomplished by secure transactions using blockchain.
- Abstract(参考訳): 共同運転(またはプラトゥーニング)は、車両通信プロトコルによって2台以上の車両を道路で接続することで安全性と効率を向上させることに焦点を当てる。
リーダーは小隊を管理し、車間の通信を確立し、小隊の演習を行うため、非常に重要である。
本稿では,運転者の安全につながる道路における小隊化を促進するドライバーインセンティブモデルを提案する。
小隊のリーダーはフォロワーよりも複数の責任を持ち、我々のモデルはフォロワーよりもリーダーにインセンティブを与える。
これらのインセンティブは暗号通貨として報われる。
この小隊のリーダーとフォロワーの両方のためのデジタルマネタイズ方法は、ブロックチェーンを使用したセキュアなトランザクションによって実現される。
関連論文リスト
- Learning a Stable, Safe, Distributed Feedback Controller for a Heterogeneous Platoon of Autonomous Vehicles [5.289123253466164]
異種小隊のための安定で安全な分散制御系を学習するためのアルゴリズムを提案する。
シミュレーションで自律小隊を訓練し、4台のF110車両からなる小隊によるハードウェアの性能評価を行う。
論文 参考訳(メタデータ) (2024-04-18T19:11:34Z) - Scalable Decentralized Cooperative Platoon using Multi-Agent Deep
Reinforcement Learning [2.5499055723658097]
本稿では,交通流と安全を向上する車両小隊方式を提案する。
Unity 3Dゲームエンジンで深層強化学習を用いて開発されている。
提案した小隊モデルは、スケーラビリティ、分散化、ポジティブな協力の促進に重点を置いている。
論文 参考訳(メタデータ) (2023-12-11T22:04:38Z) - Robust Driving Policy Learning with Guided Meta Reinforcement Learning [49.860391298275616]
本稿では,ソーシャルカーの多種多様な運転方針を一つのメタ政治として訓練する効率的な方法を提案する。
ソーシャルカーのインタラクションに基づく報酬関数をランダム化することにより、多様な目的を生み出し、メタ政治を効率的に訓練することができる。
本研究では,社会自動車が学習メタ政治によって制御される環境を利用して,エゴ自動車の運転方針の堅牢性を高めるためのトレーニング戦略を提案する。
論文 参考訳(メタデータ) (2023-07-19T17:42:36Z) - Infrastructure-based End-to-End Learning and Prevention of Driver
Failure [68.0478623315416]
フェールネットは、規模が拡大したミニ都市において、名目上と無謀なドライバーの両方の軌道上で、エンドツーエンドでトレーニングされた、繰り返しニューラルネットワークである。
制御障害、上流での認識エラー、ドライバーのスピードを正確に識別し、名目運転と区別することができる。
速度や周波数ベースの予測器と比較すると、FailureNetのリカレントニューラルネットワーク構造は予測能力を向上し、ハードウェアにデプロイすると84%以上の精度が得られる。
論文 参考訳(メタデータ) (2023-03-21T22:55:51Z) - Decentralized Vehicle Coordination: The Berkeley DeepDrive Drone Dataset [103.35624417260541]
分散車両調整は、未整備の道路環境において有用である。
我々はバークレーのDeepDrive Droneデータセットを収集し、近くのドライバーが観察する暗黙の「社会的エチケット」を研究する。
このデータセットは、人間のドライバーが採用する分散マルチエージェント計画と、リモートセンシング設定におけるコンピュータビジョンの研究に主に関心がある。
論文 参考訳(メタデータ) (2022-09-19T05:06:57Z) - A New Approach to Training Multiple Cooperative Agents for Autonomous
Driving [5.1930091960850415]
本稿では,複数のエージェントを学習するための新しいアプローチであるLepusを提案する。
Lepusは、敵のプロセスを通じてポリシーネットワークを事前訓練する。
スパース報酬の問題を緩和するために、ルパスは専門家軌跡から近似的な報酬関数を学習する。
論文 参考訳(メタデータ) (2022-09-05T22:35:33Z) - COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked
Vehicles [54.61668577827041]
本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。
われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
論文 参考訳(メタデータ) (2022-05-04T17:55:12Z) - A Multi-Agent Deep Reinforcement Learning Coordination Framework for
Connected and Automated Vehicles at Merging Roadways [0.0]
接続された自動車両(CAV)は、渋滞、事故、エネルギー消費、温室効果ガスの排出に対処する可能性がある。
停止運転をなくすようにCAVを調整するためのフレームワークを提案する。
数値シミュレーションによりCAVの協調性を実証し,停止運転を排除してスムーズな交通流を実現することを示す。
論文 参考訳(メタデータ) (2021-09-23T22:26:52Z) - Learning to Navigate Intersections with Unsupervised Driver Trait
Inference [2.9048924265579124]
観測車両軌道から運転スタイルなどの運転特性を推定するための教師なし手法を提案する。
我々は、リカレントニューラルネットワークを用いた変分オートエンコーダを用いて、基礎となる真理特性ラベルを使わずに、特性の潜在表現を学習する。
当社のパイプラインは、異なる特徴を持つドライバーに安全と効率を確保するために、自動運転車が行動を調整することを可能にする。
論文 参考訳(メタデータ) (2021-09-14T15:54:35Z) - Learning Agile Locomotion via Adversarial Training [59.03007947334165]
本稿では,四足歩行ロボット(主人公)が他のロボット(敵)を追いかけるのを学習し,後者が逃げることを学習するマルチエージェント学習システムを提案する。
この敵対的なトレーニングプロセスは、アジャイルの振る舞いを促進するだけでなく、退屈な環境設計の努力を効果的に軽減します。
1つの敵のみを使用した以前の作品とは対照的に、異なる逃走戦略を専門とする敵のアンサンブルを訓練することは、主人公がアジリティを習得するために不可欠である。
論文 参考訳(メタデータ) (2020-08-03T01:20:37Z) - Intelligent Roundabout Insertion using Deep Reinforcement Learning [68.8204255655161]
本稿では,多忙なラウンドアバウンドの入場を交渉できる演習計画モジュールを提案する。
提案されたモジュールは、トレーニングされたニューラルネットワークに基づいて、操作の全期間にわたって、ラウンドアバウンドに入るタイミングと方法を予測する。
論文 参考訳(メタデータ) (2020-01-03T11:16:41Z)
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。