論文の概要: Novel Actor-Critic Algorithm for Robust Decision Making of CAV under Delays and Loss of V2X Data

• arxiv url: http://arxiv.org/abs/2405.05072v2
• Date: Sun, 20 Oct 2024 07:42:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-22 13:14:32.501514
• Title: Novel Actor-Critic Algorithm for Robust Decision Making of CAV under Delays and Loss of V2X Data
• Title（参考訳）: V2Xデータの遅延と損失下でのCAVのロバスト決定のための新しいアクタクリティカルアルゴリズム
• Authors: Zine el abidine Kherroubi,
• Abstract要約: 本稿では,V2X環境における遅延および/またはロスデータによるロバストな駆動性能を保証する新しいBlind Actor-Criticアルゴリズムを提案する。 シミュレーション環境でのアルゴリズムの性能を評価し,ベンチマーク手法と比較した。
• 参考スコア（独自算出の注目度）: 3.9160947065896803
• License:
• Abstract: Current autonomous driving systems heavily rely on V2X communication data to enhance situational awareness and the cooperation between vehicles. However, a major challenge when using V2X data is that it may not be available periodically because of unpredictable delays and data loss during wireless transmission between road stations and the receiver vehicle. This issue should be considered when designing control strategies for connected and autonomous vehicles. Therefore, this paper proposes a novel 'Blind Actor-Critic' algorithm that guarantees robust driving performance in V2X environment with delayed and/or lost data. The novel algorithm incorporates three key mechanisms: a virtual fixed sampling period, a combination of Temporal-Difference and Monte Carlo learning, and a numerical approximation of immediate reward values. To address the temporal aperiodicity problem of V2X data, we first illustrate this challenge. Then, we provide a detailed explanation of the Blind Actor-Critic algorithm where we highlight the proposed components to compensate for the temporal aperiodicity problem of V2X data. We evaluate the performance of our algorithm in a simulation environment and compare it to benchmark approaches. The results demonstrate that training metrics are improved compared to conventional actor-critic algorithms. Additionally, testing results show that our approach provides robust control, even under low V2X network reliability levels.
• Abstract（参考訳）: 現在の自動運転システムは、状況認識と車両間の協調を強化するために、V2X通信データに大きく依存している。 しかしながら、V2Xデータを使用する際の大きな課題は、道路駅と受信車間の無線伝送中に予測不可能な遅延とデータ損失のために、定期的に利用できないことである。 この問題は、コネクテッドおよび自律車両の制御戦略を設計する際に考慮すべきである。 そこで本研究では,V2X環境において遅延および/またはロスデータによるロバストな駆動性能を保証する,新しいBlind Actor-Criticアルゴリズムを提案する。 このアルゴリズムには、仮想的な固定サンプリング期間、時間差とモンテカルロ学習の組み合わせ、即時報酬値の数値近似という3つの重要なメカニズムが組み込まれている。 V2Xデータの時間的非周期性問題に対処するために、まずこの課題を説明する。 そこで我々は,V2Xデータの時間的周期性問題を補うために提案したコンポーネントを取り上げ,Blind Actor-Criticアルゴリズムの詳細な説明を行う。 シミュレーション環境でのアルゴリズムの性能を評価し,ベンチマーク手法と比較した。 その結果,従来のアクター・クリティカル・アルゴリズムと比較してトレーニングの指標が改善された。 さらに,テスト結果から,V2Xネットワークの信頼性レベルが低い場合でも,ロバストな制御が可能であることが示された。

関連論文リスト

• Deep Reinforcement Learning Algorithms for Hybrid V2X Communication: A Benchmarking Study [39.214784277182304]
  本稿では,Deep Reinforcement Learning (DRL)アルゴリズムを用いて,V2Xにおける垂直ハンドオーバ問題に対処する。 ベンチマークアルゴリズムは、V-VLCヘッドライトの冗長性と使用率の観点から、現在の最先端アプローチよりも優れている。
  論文  参考訳（メタデータ） (2023-10-04T12:32:14Z)
• Roulette-Wheel Selection-Based PSO Algorithm for Solving the Vehicle Routing Problem with Time Windows [58.891409372784516]
  本稿では,Roulette Wheel Method (RWPSO) を用いた新しいPSO手法を提案する。 RWPSOのSolomon VRPTWベンチマークデータセットを用いた実験は、RWPSOが文学の他の最先端アルゴリズムと競合していることを示している。
  論文  参考訳（メタデータ） (2023-06-04T09:18:02Z)
• Imbalanced Aircraft Data Anomaly Detection [103.01418862972564]
  航空シナリオ下でのセンサーからの時間データの異常検出は実用的だが難しい課題である。 本稿では,グラフィカル・テンポラル・データ分析フレームワークを提案する。 シリーズ・トゥ・イメージ (S2I) と呼ばれる3つのモジュール、ユークリッド距離 (CRD) を用いたクラスタ・ベース・リサンプリング・アプローチ、変数・ベース・ロス (VBL) から構成される。
  論文  参考訳（メタデータ） (2023-05-17T09:37:07Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• Real-Time Driver Monitoring Systems through Modality and View Analysis [28.18784311981388]
  ドライバーの気晴らしが道路事故の主要な原因であることが知られている。 State-of-the-artメソッドはレイテンシを無視しながら精度を優先する。 本稿では,ビデオフレーム間の時間的関係を無視した時間効率な検出モデルを提案する。
  論文  参考訳（メタデータ） (2022-10-17T21:22:41Z)
• Online V2X Scheduling for Raw-Level Cooperative Perception [21.099819062731463]
  視界が単独の知性を制限すると、コネクテッドカーの協調的な認識が救助にやってくる。 本稿では,センサ共有スケジューリングのエネルギー最小化問題を定式化して生レベルの協調認識モデルを提案する。 本稿では,対数的性能損失を伴うオンライン学習に基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-02-12T15:16:45Z)
• A Deep Value-network Based Approach for Multi-Driver Order Dispatching [55.36656442934531]
  そこで本研究では,注文発送のための深層強化学習に基づくソリューションを提案する。 DiDiの配車プラットフォーム上で大規模なオンラインA/Bテストを実施している。 その結果,CVNetは近年提案されているディスパッチ手法よりも一貫して優れていた。
  論文  参考訳（メタデータ） (2021-06-08T16:27:04Z)
• Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets Deep Reinforcement Learning [76.46530937296066]
  本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。 モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
  論文  参考訳（メタデータ） (2021-06-03T08:35:10Z)
• An Efficient Approach for Anomaly Detection in Traffic Videos [30.83924581439373]
  本稿では,エッジデバイスで動作可能な映像異常検出システムのための効率的な手法を提案する。 提案手法は,シーンの変化を検出し,破損したフレームを除去するプリプロセッシングモジュールを含む。 また,新しいシーンに迅速に適応し,類似度統計量の変化を検出するシーケンシャルな変化検出アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-04-20T04:43:18Z)
• 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)
• Nonlinear Traffic Prediction as a Matrix Completion Problem with Ensemble Learning [1.8352113484137629]
  本稿では,信号化トラフィック運用管理における短期的な交通予測の問題に対処する。 高分解能(秒間)におけるセンサ状態の予測に焦点をあてる 私たちのコントリビューションは,3つの洞察を提供するものとして要約することができます。
  論文  参考訳（メタデータ） (2020-01-08T13:10:40Z)

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。