Fugu-MT 論文翻訳(概要): Multi-agent Path Finding for Cooperative Autonomous Driving

論文の概要: Multi-agent Path Finding for Cooperative Autonomous Driving

arxiv url: http://arxiv.org/abs/2402.00334v1
Date: Thu, 1 Feb 2024 04:39:15 GMT
ステータス: 処理完了
システム内更新日: 2024-02-02 16:22:54.138329
Title: Multi-agent Path Finding for Cooperative Autonomous Driving
Title（参考訳）: 協調運転のためのマルチエージェントパス探索
Authors: Zhongxia Yan, Han Zheng, Cathy Wu
Abstract要約: 我々は,既存のアルゴリズムを著しく上回る最適かつ完全なアルゴリズムであるオーダーベース検索をKinematics Arrival Time Scheduling (OBS-KATS) により考案した。当社の作業は、同じようなスケールのトラフィックや、有向車線を備えたマルチロボットシナリオに直接適用可能です。
参考スコア（独自算出の注目度）: 8.8305853192334
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Anticipating possible future deployment of connected and automated vehicles (CAVs), cooperative autonomous driving at intersections has been studied by many works in control theory and intelligent transportation across decades. Simultaneously, recent parallel works in robotics have devised efficient algorithms for multi-agent path finding (MAPF), though often in environments with simplified kinematics. In this work, we hybridize insights and algorithms from MAPF with the structure and heuristics of optimizing the crossing order of CAVs at signal-free intersections. We devise an optimal and complete algorithm, Order-based Search with Kinematics Arrival Time Scheduling (OBS-KATS), which significantly outperforms existing algorithms, fixed heuristics, and prioritized planning with KATS. The performance is maintained under different vehicle arrival rates, lane lengths, crossing speeds, and control horizon. Through ablations and dissections, we offer insight on the contributing factors to OBS-KATS's performance. Our work is directly applicable to many similarly scaled traffic and multi-robot scenarios with directed lanes.
Abstract（参考訳）: 将来的なコネクテッド・アンド・オートマチック・ビークル(CAV)の展開を予想し、交差点での協調自動運転は数十年にわたって制御理論とインテリジェント・トランスポートに関する多くの研究によって研究されてきた。同時に、ロボット工学における最近の並列研究はマルチエージェントパス探索(MAPF)のための効率的なアルゴリズムを考案した。本研究では,mapfからの洞察とアルゴリズムと,信号のない交差点におけるキャビブの交差順序を最適化する構造とヒューリスティックをハイブリッド化する。我々は, 既存のアルゴリズム, 固定ヒューリスティックス, および KATS による計画の優先順位を著しく上回る最適かつ完全なアルゴリズムである Order-based Search with Kinematics Arrival Time Scheduling (OBS-KATS) を考案した。性能は異なる車両の到着率、車線長、横断速度、制御地平線の下で維持される。本稿では,AblationsとDissectionsを通じてOBS-KATSのパフォーマンスに寄与する要因について考察する。当社の作業は,同じようにスケールされたトラフィックや,有向レーンを備えたマルチロボットシナリオにも直接適用可能です。

関連論文リスト

Towards Multi-agent Reinforcement Learning based Traffic Signal Control through Spatio-temporal Hypergraphs [19.107744041461316]
交通信号制御システム(TSCS)は、インテリジェントな交通管理に不可欠なものであり、効率的な車両の流れを育んでいる。従来のアプローチでは、道路網を標準的なグラフに単純化することが多い。本稿では,インテリジェントトラフィック制御を実現するための新しいTSCSフレームワークを提案する。
論文参考訳（メタデータ） (2024-04-17T02:46:18Z)
Temporal Transfer Learning for Traffic Optimization with Coarse-grained Advisory Autonomy [5.254384872541785]
本稿では,リアルタイム運転アドバイザリをドライバーに発行するアドバイザリ自律性について考察する。時間的伝達学習(TTL)アルゴリズムを導入し,時間的構造を体系的に活用して全タスクを抽出する。
論文参考訳（メタデータ） (2023-11-27T21:18:06Z)
Traj-MAE: Masked Autoencoders for Trajectory Prediction [69.7885837428344]
軌道予測は、危険を予測して信頼性の高い自動運転システムを構築する上で重要な課題である。本稿では,運転環境におけるエージェントの複雑な動作をよりよく表現する,軌道予測のための効率的なマスク付きオートエンコーダを提案する。複数エージェント設定と単一エージェント設定の両方の実験結果から,Traj-MAEが最先端手法と競合する結果が得られることが示された。
論文参考訳（メタデータ） (2023-03-12T16:23:27Z)
Coordinating CAV Swarms at Intersections with a Deep Learning Model [24.188603833058146]
接続された自動走行車(CAV)は、交通の安全性と効率を大幅に向上させる可能性がある特殊な種類のロボットと見なされている。本稿では,オフライン深層学習とオンライン木探索を組み合わせた協調運転アルゴリズム(AlphaOrder)を提案する。
論文参考訳（メタデータ） (2022-11-10T02:14:36Z)
Connection-Based Scheduling for Real-Time Intersection Control [6.796017024594715]
本稿では,交通渋滞を軽減するために,リアルタイム適応型信号制御のためのスケジューリングアルゴリズムを提案する。このアルゴリズムは、異なる車線を通る交差点に近づく全車両の到着時刻を推定する車線モデルを採用し、次に、全車両が接近する際の累積遅延を最小化するスケジュールを計算する。
論文参考訳（メタデータ） (2022-10-16T04:37:03Z)
Model-based Decision Making with Imagination for Autonomous Parking [50.41076449007115]
提案アルゴリズムは,駐車前に結果を予測するための想像モデル,高速探索ランダムツリー(RRT)の改良,経路平滑化モジュールの3つの部分から構成される。われわれのアルゴリズムは、実際のキネマティックな車両モデルに基づいており、実際の自動運転車にアルゴリズムを適用するのにより適している。アルゴリズムの有効性を評価するため,3つの異なる駐車シナリオにおいて,従来のRTとアルゴリズムを比較した。
論文参考訳（メタデータ） (2021-08-25T18:24:34Z)
End-to-End Intersection Handling using Multi-Agent Deep Reinforcement Learning [63.56464608571663]
交差点をナビゲートすることは、自動運転車にとって大きな課題の1つです。本研究では,交通標識のみが提供された交差点をナビゲート可能なシステムの実装に着目する。本研究では,時間ステップ毎に加速度と操舵角を予測するためのニューラルネットワークの訓練に用いる,モデルフリーの連続学習アルゴリズムを用いたマルチエージェントシステムを提案する。
論文参考訳（メタデータ） (2021-04-28T07:54:40Z)
Integrated Decision and Control: Towards Interpretable and Efficient Driving Intelligence [13.589285628074542]
自動走行車のための解釈可能かつ効率的な意思決定・制御フレームワークを提案する。駆動タスクを階層的に構造化されたマルチパス計画と最適追跡に分解する。その結果,オンライン計算の効率性や交通効率,安全性などの運転性能が向上した。
論文参考訳（メタデータ） (2021-03-18T14:43:31Z)
Real-world Ride-hailing Vehicle Repositioning using Deep Reinforcement Learning [52.2663102239029]
アイドルヘイリングプラットフォーム上での現実世界の車両の深層強化学習と意思決定時間計画に基づく新しい実用的枠組みを提示する。本手法は,重み付きバッチ学習アルゴリズムを用いて乗車時の状態値関数を学習する。配車シミュレーション環境におけるベースラインでアルゴリズムをベンチマークし、収益効率の向上における優位性を実証します。
論文参考訳（メタデータ） (2021-03-08T05:34:05Z)
Federated Learning on the Road: Autonomous Controller Design for Connected and Autonomous Vehicles [109.71532364079711]
CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案 CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
論文参考訳（メタデータ） (2021-02-05T19:57:47Z)
Reinforcement Learning Based Vehicle-cell Association Algorithm for Highly Mobile Millimeter Wave Communication [53.47785498477648]
本稿では,ミリ波通信網における車とセルの関連性について検討する。まず、ユーザ状態(VU)問題を離散的な非車両関連最適化問題として定式化する。提案手法は,複数のベースライン設計と比較して,ユーザの複雑性とVUEの20%削減の合計で最大15%のゲインが得られる。
論文参考訳（メタデータ） (2020-01-22T08:51:05Z)

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。