論文の概要: Multi-Player, Multi-Strategy Quantum Game Model for Interaction-Aware Decision-Making in Automated Driving

• arxiv url: http://arxiv.org/abs/2602.03571v2
• Date: Mon, 09 Feb 2026 16:17:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.139664
• Title: Multi-Player, Multi-Strategy Quantum Game Model for Interaction-Aware Decision-Making in Automated Driving
• Title（参考訳）: 自動走行における相互対応型意思決定のためのマルチプレイヤ多段階量子ゲームモデル
• Authors: Karim Essalmi, Fernando Garrido, Fawzi Nashashibi,
• Abstract要約: 本稿では,マルチプレイヤー,マルチストラテジーな意思決定問題に対処するためのQGDMモデルを提案する。 我々は, ラウンドアバウンド, マージ, ハイウェイなど, 様々なシナリオにおけるQGDMの評価を行った。 その結果,QGDMは古典的アプローチに比べて成功率を大幅に向上し,衝突率を低下させることがわかった。
• 参考スコア（独自算出の注目度）: 42.31343305672911
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although significant progress has been made in decision-making for automated driving, challenges remain for deployment in the real world. One challenge lies in addressing interaction-awareness. Most existing approaches oversimplify interactions between the ego vehicle and surrounding agents, and often neglect interactions among the agents themselves. A common solution is to model these interactions using classical game theory. However, its formulation assumes rational players, whereas human behavior is frequently uncertain or irrational. To address these challenges, we propose the Quantum Game Decision-Making (QGDM) model, a novel framework that combines classical game theory with quantum mechanics principles (such as superposition, entanglement, and interference) to tackle multi-player, multi-strategy decision-making problems. To the best of our knowledge, this is one of the first studies to apply quantum game theory to decision-making for automated driving. QGDM runs in real time on a standard computer, without requiring quantum hardware. We evaluate QGDM in simulation across various scenarios, including roundabouts, merging, and highways, and compare its performance with multiple baseline methods. Results show that QGDM significantly improves success rates and reduces collision rates compared to classical approaches, particularly in scenarios with high interaction.
• Abstract（参考訳）: 自動走行の意思決定には大きな進歩があったが、現実の世界への展開には依然として課題が残っている。 ひとつの課題は、インタラクションの認識に対処することだ。 既存のほとんどのアプローチは、エゴ車と周囲のエージェント間の相互作用を単純化し、エージェント間の相互作用を無視する。 一般的な解決策は、古典的なゲーム理論を用いてこれらの相互作用をモデル化することである。 しかし、その定式化は合理的なプレイヤーを仮定するが、人間の行動はしばしば不確実または不合理である。 これらの課題に対処するために,従来のゲーム理論と量子力学の原理(重ね合わせ,絡み込み,干渉など)を組み合わせて,マルチプレイヤー・マルチストラテジーな意思決定問題に対処する新しいフレームワークである量子ゲーム意思決定モデル(QGDM)を提案する。 私たちの知る限りでは、これは自動運転のための意思決定に量子ゲーム理論を適用した最初の研究の1つである。 QGDMは、量子ハードウェアを必要とせずに、標準的なコンピュータ上でリアルタイムに実行される。 ラウンドアバウンド,マージ,ハイウェイなど,様々なシナリオにおけるQGDMの評価を行い,その性能を複数のベースライン手法と比較した。 その結果,QGDMは古典的アプローチ,特に対話性の高いシナリオにおいて,成功率を著しく向上し,衝突率を低下させることがわかった。

関連論文リスト

• MA-EgoQA: Question Answering over Egocentric Videos from Multiple Embodied Agents [54.48066948369172]
  エンボディモデルが強力になるにつれ、人間は将来、職場や自宅で複数のエンボディAIエージェントと協力するようになる。 既存の課題には、ビデオ形式で個々の感覚入力を効果的に圧縮し、伝達することが含まれる。 われわれはまず,複数のエンボディエージェントから同時に収集された複数のロングホライズン・エゴセントリックなビデオを理解するという,新しい問題を正式に定義する。
  論文  参考訳（メタデータ） (2026-03-10T15:48:35Z)
• Decision Making under Imperfect Recall: Algorithms and Benchmarks [77.12503122836422]
  本稿では,不完全-再コール決定問題に対する最初のベンチマークスイートを紹介する。 私たちのベンチマークでは、AIシステムのプライバシに関するものなど、さまざまな問題タイプを捉えています。 このような問題における一階最適戦略を見つけるために,異なるアルゴリズムの性能を評価する。
  論文  参考訳（メタデータ） (2026-02-16T23:19:01Z)
• Hybrid Quantum-Classical Multi-Agent Pathfinding [2.5424058500941453]
  MAPF(Multi-Agent Path Finding)は、特定の目標地点に到達するために共有空間をナビゲートする複数のエージェントに対して、競合のない経路を決定することに焦点を当てている。 現在の量子ハードウェアはまだ初期段階であり、計算能力とエラーの堅牢性に関して制限されている。 分岐・カット・アンド・プライスに基づく最初の最適量子古典型MAPFアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-01-24T15:20:09Z)
• Blending Data-Driven Priors in Dynamic Games [9.085463548798366]
  Kullback-Leibler (KL) 正規化による非協調的ダイナミックゲームの解法を定式化する。 我々は,KLGameのNash平衡戦略を,マルチモーダル近似フィードバックをリアルタイムに計算するための効率的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-21T23:22:32Z)
• Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
  本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。 これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。 提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-11-27T18:57:42Z)
• SMARTS: Scalable Multi-Agent Reinforcement Learning Training School for Autonomous Driving [96.50297622371457]
  マルチエージェントインタラクションは、現実の世界における自律運転の基本的な側面である。 研究と開発が10年以上続いたにもかかわらず、様々なシナリオで多様な道路ユーザーと対話する方法の問題は未解決のままである。 SMARTSと呼ばれる,多種多様な運転インタラクションを生成する専用シミュレーションプラットフォームを開発した。
  論文  参考訳（メタデータ） (2020-10-19T18:26:10Z)
• Non-cooperative Multi-agent Systems with Exploring Agents [10.736626320566707]
  マルコフゲームを用いたマルチエージェント動作の規範モデルを開発した。 エージェントが探索するが、最適戦略に近い」モデルに焦点を当てる。
  論文  参考訳（メタデータ） (2020-05-25T19:34:29Z)

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。