論文の概要: Evolutionary Discovery of Heuristic Policies for Traffic Signal Control

• arxiv url: http://arxiv.org/abs/2511.23122v1
• Date: Fri, 28 Nov 2025 12:11:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.886566
• Title: Evolutionary Discovery of Heuristic Policies for Traffic Signal Control
• Title（参考訳）: 交通信号制御のためのヒューリスティックポリシーの進化的発見
• Authors: Ruibing Wang, Shuhan Guo, Zeen Li, Zhen Wang, Quanming Yao,
• Abstract要約: 交通信号制御(TSC)は、古典文は効率的だが過度に単純化されているのに対し、深層強化学習(DRL)は高い性能を達成しているが、一般化や不透明なポリシーに悩まされている。 これらの問題に対処するために, LLM を進化エンジンとして用いた交通の時間的政策進化 (bfmethod) を提案する。 トレーニングなしで完全にプロンプトレベルで動作し、メソッドは特定のトラフィック環境に最適化された軽量で堅牢なポリシーを生成し、両方のテキストとオンラインのLLMアクターより優れています。
• 参考スコア（独自算出の注目度）: 30.12743230122027
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traffic Signal Control (TSC) involves a challenging trade-off: classic heuristics are efficient but oversimplified, while Deep Reinforcement Learning (DRL) achieves high performance yet suffers from poor generalization and opaque policies. Online Large Language Models (LLMs) provide general reasoning but incur high latency and lack environment-specific optimization. To address these issues, we propose Temporal Policy Evolution for Traffic (\textbf{\method{}}), which uses LLMs as an evolution engine to derive specialized heuristic policies. The framework introduces two key modules: (1) Structured State Abstraction (SSA), converting high-dimensional traffic data into temporal-logical facts for reasoning; and (2) Credit Assignment Feedback (CAF), tracing flawed micro-decisions to poor macro-outcomes for targeted critique. Operating entirely at the prompt level without training, \method{} yields lightweight, robust policies optimized for specific traffic environments, outperforming both heuristics and online LLM actors.
• Abstract（参考訳）: 交通信号制御(TSC)は、従来のヒューリスティックは効率的だが過度に単純化されているのに対して、Deep Reinforcement Learning(DRL)は高いパフォーマンスを達成しているが、一般化や不透明なポリシーに悩まされている。 オンライン大言語モデル(LLM)は一般的な推論を提供するが、レイテンシが高く、環境固有の最適化が欠如している。 これらの問題に対処するために, LLMを進化エンジンとして用いて, 専門的なヒューリスティックなポリシーを導出する, 交通のための時間的ポリシー進化 (\textbf{\method{}}) を提案する。 このフレームワークでは,(1)構造化状態抽象化(Structured State Abstraction, SSA),(2)高次元のトラフィックデータを推論のための時間的論理的事実に変換すること,(2)CAF(Credit Assignment Feedback, CAF),欠陥のあるマイクロ決定のトレース,といった2つの重要なモジュールを紹介した。 トレーニングなしで完全にプロンプトレベルで運用すると、 \method{} は特定の交通環境に最適化された軽量で堅牢なポリシーが得られ、ヒューリスティックスとオンライン LLM アクターの両方を上回っている。

関連論文リスト

• Grounded Test-Time Adaptation for LLM Agents [75.62784644919803]
  大規模言語モデル(LLM)ベースのエージェントは、新規で複雑な環境への一般化に苦慮している。 環境特化情報を活用することで, LLMエージェントを適応するための2つの戦略を提案する。
  論文  参考訳（メタデータ） (2025-11-06T22:24:35Z)
• CoLLMLight: Cooperative Large Language Model Agents for Network-Wide Traffic Signal Control [7.0964925117958515]
  交通信号制御(TSC)は,交通流の最適化と混雑緩和によって都市交通管理において重要な役割を担っている。 既存のアプローチでは、エージェント間の調整に必要な問題に対処できない。 TSCのための協調LLMエージェントフレームワークであるCoLLMLightを提案する。
  論文  参考訳（メタデータ） (2025-03-14T15:40:39Z)
• TeLL-Drive: Enhancing Autonomous Driving with Teacher LLM-Guided Deep Reinforcement Learning [61.33599727106222]
  TeLL-Driveは、Teacher LLMを統合して、注意に基づく学生DRLポリシーをガイドするハイブリッドフレームワークである。 自己維持機構はDRLエージェントの探索とこれらの戦略を融合させ、政策収束を加速し、堅牢性を高める。
  論文  参考訳（メタデータ） (2025-02-03T14:22:03Z)
• From Imitation to Exploration: End-to-end Autonomous Driving based on World Model [24.578178308010912]
  RAMBLEは、意思決定を駆動するエンド・ツー・エンドの世界モデルベースのRL方式である。 複雑な動的トラフィックシナリオを処理できる。 CARLA Leaderboard 1.0では、ルート完了率の最先端のパフォーマンスを達成し、CARLA Leaderboard 2.0では38のシナリオをすべて完了している。
  論文  参考訳（メタデータ） (2024-10-03T06:45:59Z)
• LLM-Assisted Light: Leveraging Large Language Model Capabilities for Human-Mimetic Traffic Signal Control in Complex Urban Environments [3.7788636451616697]
  本研究は,大規模言語モデルを交通信号制御システムに統合する革新的なアプローチを導入する。 LLMを知覚と意思決定ツールのスイートで強化するハイブリッドフレームワークが提案されている。 シミュレーションの結果から,交通環境の多種性に適応するシステムの有効性が示された。
  論文  参考訳（メタデータ） (2024-03-13T08:41:55Z)
• Entropy-Regularized Token-Level Policy Optimization for Language Agent Reinforcement [67.1393112206885]
  大規模言語モデル(LLM)は、対話的な意思決定タスクにおいてインテリジェントなエージェントとして期待されている。 本稿では,トークンレベルでのLLMの最適化に適したエントロピー拡張RL法である,エントロピー正規化トークンレベル最適化(ETPO)を導入する。 我々は,データサイエンスコード生成を多段階対話型タスクのシリーズとしてモデル化したシミュレーション環境におけるETPOの有効性を評価する。
  論文  参考訳（メタデータ） (2024-02-09T07:45:26Z)
• LLMLight: Large Language Models as Traffic Signal Control Agents [25.438040499152745]
  交通信号制御(TSC)は都市交通管理において重要な要素であり、道路網の効率を最適化し渋滞を軽減することを目的としている。 本稿では,大規模言語モデル (LLM) を用いた新しいフレームワーク LLMLight について述べる。
  論文  参考訳（メタデータ） (2023-12-26T13:17:06Z)

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。