論文の概要: Game-Theoretic Autonomous Driving: A Graphs of Convex Sets Approach

• arxiv url: http://arxiv.org/abs/2601.20054v1
• Date: Tue, 27 Jan 2026 20:58:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.967064
• Title: Game-Theoretic Autonomous Driving: A Graphs of Convex Sets Approach
• Title（参考訳）: ゲーム理論による自律運転:凸セットアプローチのグラフ
• Authors: Nikolaj Käfer, Ahmed Khalil, Edward Huynh, Efstathios Bakolas, David Fridovich-Keil,
• Abstract要約: IBR-GCSは,グラフ・オブ・コンベックス・セット(Graphs of Convex Sets)フレームワークに基づく反復的ベスト・レスポンス(IBR)計画手法である。 IBR-GCSは、操作推論、軌道計画、ゲーム理論の相互作用を統合されたフレームワークに統合する。 IBR-GCSは安全な軌道と戦略的に一貫した対話行動を生成する。
• 参考スコア（独自算出の注目度）: 3.7952163923648583
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-vehicle autonomous driving couples strategic interaction with hybrid (discrete-continuous) maneuver planning under shared safety constraints. We introduce IBR-GCS, an Iterative Best Response (IBR) planning approach based on the Graphs of Convex Sets (GCS) framework that models highway driving as a generalized noncooperative game. IBR-GCS integrates combinatorial maneuver reasoning, trajectory planning, and game-theoretic interaction within a unified framework. The key novelty is a vehicle-specific, strategy-dependent GCS construction. Specifically, at each best-response update, each vehicle builds its own graph conditioned on the current strategies of the other vehicles, with vertices representing lane-specific, time-varying, convex, collision-free regions and edges encoding dynamically feasible transitions. This yields a shortest-path problem in GCS for each best-response step, which admits an efficient convex relaxation that can be solved using convex optimization tools without exhaustive discrete tree search. We then apply an iterative best-response scheme in which vehicles update their trajectories sequentially and provide conditions under which the resulting inexact updates converge to an approximate generalized Nash equilibrium. Simulation results across multi-lane, multi-vehicle scenarios demonstrate that IBR-GCS produces safe trajectories and strategically consistent interactive behaviors.
• Abstract（参考訳）: 多車種自律運転カップルは、共有安全制約下でのハイブリッド(離散連続)操作計画との戦略的相互作用を行う。 IBR-GCSは,一般の非協調ゲームとして高速道路走行をモデル化するGCS(Graphs of Convex Sets)フレームワークに基づく反復的ベストレスポンス(IBR)計画手法である。 IBR-GCSは統合されたフレームワーク内での組合せ操作推論、軌道計画、ゲーム理論的相互作用を統合する。 重要な新規性は、車両固有の戦略に依存したGCSの構築である。 具体的には、各車両は、各車両の現在の戦略に基づいて独自のグラフを構築し、車線固有の、時間的な変化、凸、衝突のない領域と、動的に実現可能な遷移を符号化するエッジを表現している。 これにより、各最良応答ステップに対するGCSにおける最短パス問題が発生し、離散木探索を徹底せずに凸最適化ツールを用いて解決できる効率的な凸緩和が認められる。 次に、車両の軌道を逐次更新する反復的ベストレスポンススキームを適用し、結果として生じる不正確な更新が近似一般化されたナッシュ均衡に収束する条件を提供する。 IBR-GCSは安全トラジェクトリと戦略的に一貫した対話行動を生成する。

関連論文リスト

• Map-Agnostic And Interactive Safety-Critical Scenario Generation via Multi-Objective Tree Search [7.691544372846608]
  本稿では,モンテカルロ木探索による交通流レベルの安全クリティカルシナリオ生成のための新しいフレームワークを提案する。 探索効率とリスク逆決定のバランスをとるために, ハイブリッドな上信頼境界 (UCB) と下信頼境界 (LCB) 探索戦略を導入する。 香港の複雑な都市環境における4つの高リスク事故帯にまたがるアプローチを検証する。
  論文  参考訳（メタデータ） (2026-03-04T12:19:02Z)
• Optimization-Guided Diffusion for Interactive Scene Generation [52.23368750264419]
  本稿では,拡散型サンプリングにおける構造的一貫性と相互作用認識を実現するための,最適化誘導型トレーニングフリーフレームワークであるOMEGAを提案する。 OMEGAは生成リアリズム,一貫性,可制御性を向上し,身体的および行動学的に有効なシーンの比率を増大させることを示す。 当社のアプローチでは,3秒未満の時間対コリションで,より近いコリジョンフレームを5ドル(約5,500円)で生成することも可能だ。
  論文  参考訳（メタデータ） (2025-12-08T15:56:18Z)
• Autonomous Vehicle Path Planning by Searching With Differentiable Simulation [55.46735086899153]
  計画では、エージェントが現実世界で実行する前に、アクションを安全に洗練することができる。 自動運転では、衝突を避け、複雑な密集した交通シナリオをナビゲートすることが不可欠である。 本稿では、微分可能シミュレータWaymaxを次の状態予測と批判の両方として活用するフレームワークである、微分可能探索シミュレーション(DSS)を提案する。
  論文  参考訳（メタデータ） (2025-11-14T07:56:34Z)
• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• HCOMC: A Hierarchical Cooperative On-Ramp Merging Control Framework in Mixed Traffic Environment on Two-Lane Highways [6.838130893718755]
  コネクテッド・アンド・オートマチック・カーズ(CAV)に基づく協調制御戦略は,この問題に対する基本的な解決策である。 CAVは完全には普及していないが、異種交通流に対する階層的協調型オンランプマージ制御(HCOMC)フレームワークを提案する必要がある。 本稿では,修正仮想車両モデルに基づく階層的協調計画モデル,ゲーム理論に基づく離散車線変更モデル,マルチマインド最適化モデルからなるHCOMCフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-15T18:01:29Z)
• Planning with Adaptive World Models for Autonomous Driving [50.4439896514353]
  マルチエージェントインタラクションをキャプチャする実世界のモーションプランニングベンチマークであるnuPlanを提案する。 我々は、グラフ畳み込みニューラルネットワーク(GCNN)であるBehaviorNetを用いて、このようなユニークな振る舞いをモデル化することを学ぶ。 また、モデル予測制御(MPC)ベースのプランナであるAdaptiveDriverについても紹介する。
  論文  参考訳（メタデータ） (2024-06-15T18:53:45Z)
• Integrating Higher-Order Dynamics and Roadway-Compliance into Constrained ILQR-based Trajectory Planning for Autonomous Vehicles [3.200238632208686]
  軌道計画は、自動運転車のグローバルな最適ルートを作成することを目的としている。 既存の自転車キネマティックモデルを用いた実装では、制御可能な軌道は保証できない。 このモデルを、曲率と長手ジャークの1階および2階微分を含む高階項で拡張する。
  論文  参考訳（メタデータ） (2023-09-25T22:30:18Z)
• Bi-Level Optimization Augmented with Conditional Variational Autoencoder for Autonomous Driving in Dense Traffic [0.9281671380673306]
  本稿では、最適行動決定と結果の軌跡を共同で計算するパラメータ化バイレベル最適化を提案する。 当社のアプローチは,GPUアクセラレーションバッチを使用してリアルタイムに動作し,変分オートエンコーダがウォームスタート戦略を学習する。 本手法は, 運転効率の競争力に優れながら, 衝突速度の観点から, 最先端モデル予測制御とRLアプローチより優れる。
  論文  参考訳（メタデータ） (2022-12-05T12:56:42Z)
• Multi-Agent Chance-Constrained Stochastic Shortest Path with Application to Risk-Aware Intelligent Intersection [15.149982804527182]
  既存の自動交差点の深刻な課題は、運転環境や人間駆動車からの不確実性の検出と推論にある。 自動運転車(AV)と人間駆動車(HV)のためのリスク対応知的交差点システムを提案する。
  論文  参考訳（メタデータ） (2022-10-03T06:49:23Z)

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。