論文の概要: Systematic Analyses of Reinforcement Learning Controllers in Signalized Urban Corridors

• arxiv url: http://arxiv.org/abs/2604.02025v1
• Date: Thu, 02 Apr 2026 13:32:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.815032
• Title: Systematic Analyses of Reinforcement Learning Controllers in Signalized Urban Corridors
• Title（参考訳）: 信号化都市回廊における強化学習制御系の系統解析
• Authors: Xiaofei Song, Kerstin Eder, Jonathan Lawry, R. Eddie Wilson,
• Abstract要約: 特に、集中型、完全分散型、パラメータ共有型RLコントローラを訓練し、評価する。 パラメータ共有コントローラが、当初トレーニングされていたよりも大きなネットワークにデプロイされるように一般化される可能性を示す。 この設定では、接続が公式にコーディネートされていないとしても、交通はグリーンウェーブに自己組織化する可能性があるといういくつかの初期の知見を示す。」
• 参考スコア（独自算出の注目度）: 1.084959821967413
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we extend our systematic capacity region perspective to multi-junction traffic networks, focussing on the special case of an urban corridor network. In particular, we train and evaluate centralized, fully decentralized, and parameter-sharing decentralized RL controllers, and compare their capacity regions and ATTs together with a classical baseline MaxPressure controller. Further, we show how the parametersharing controller may be generalised to be deployed on a larger network than it was originally trained on. In this setting, we show some initial findings that suggest that even though the junctions are not formally coordinated, traffic may self organise into `green waves'.
• Abstract（参考訳）: 本研究では,都市回廊網の特別事例に着目して,系統的な容量領域をマルチジャンクション交通網に拡張する。 特に、集中型、完全分散型、パラメータ共有型RLコントローラを訓練、評価し、それらの容量領域とATTを古典的なベースラインであるMaxPressureコントローラと比較する。 さらに、パラメータ共有コントローラが、当初トレーニングされていたよりも大きなネットワークにデプロイされるように一般化される可能性を示す。 この設定では、接続が公式に調整されていないとしても、トラフィックは「グリーンウェーブ」に自己組織化する可能性があることを示す初期の知見を示す。

関連論文リスト

• Semi Centralized Training Decentralized Execution Architecture for Multi Agent Deep Reinforcement Learning in Traffic Signal Control [1.7205106391379026]
  本稿では,適応的な信号制御のためのセミトレーニング,分散実行(SEMI-CTDE)アーキテクチャを提案する。 各地域において、SEMI-CTDEは、地域パラメータ共有による集中的なトレーニングを行い、地域情報と地域情報を共同で符号化する複合状態と報酬の定式化を採用している。 2つの実装されたSEMI-CTDEモデルに対する多視点実験分析により、連続的に優れた性能を示し、幅広い交通密度と分布において有効であることを示す。
  論文  参考訳（メタデータ） (2025-12-04T10:26:43Z)
• Entanglement Distribution in Lossy Quantum Networks [33.69464508324306]
  エンタングルメント分布は、分散量子情報処理の可能性を解き放つために不可欠である。 我々は、損失チャネル上の中央ソースを介して絡み合いを分散する$N$-partiteネットワークを考える。 損失分布で共有される最適平均二部絡み合いを評価するための一般的な数学的枠組みを開発する。
  論文  参考訳（メタデータ） (2025-03-31T17:32:18Z)
• Learning Decentralized Swarms Using Rotation Equivariant Graph Neural Networks [11.194306044434502]
  分散型コントローラは、群れの凝集を維持するのに苦労する。 グラフニューラルネットワーク(GNN)アーキテクチャは、分散コントローラを開発するのに欠かせない機械学習ツールとして登場した。 我々の対称性認識コントローラは既存のGNNコントローラよりも一般化されていることを示す。
  論文  参考訳（メタデータ） (2025-02-24T19:59:37Z)
• Networked Communication for Decentralised Agents in Mean-Field Games [59.01527054553122]
  平均フィールドゲームフレームワークにネットワーク通信を導入する。 当社のアーキテクチャは、中央集権型と独立した学習ケースの双方で保証されていることを証明しています。 ネットワーク化されたアプローチは、障害の更新や人口規模の変化に対する堅牢性という点において、両方の選択肢に対して大きなメリットがあることが示されています。
  論文  参考訳（メタデータ） (2023-06-05T10:45:39Z)
• Impact of RoCE Congestion Control Policies on Distributed Training of DNNs [7.573461420853252]
  分散学習プラットフォーム上でのSOTA RoCEの混雑制御方式とPFCの比較を行った。 以上の結果から,従来提案されていたRoCE渋滞制御スキームは,トレーニングワークロードのエンドツーエンドパフォーマンスにはほとんど影響を与えていないことが示唆された。
  論文  参考訳（メタデータ） (2022-07-22T06:29:17Z)
• Decentralized Local Stochastic Extra-Gradient for Variational Inequalities [125.62877849447729]
  我々は、不均一(非IID)で多くのデバイスに分散する問題データを持つ領域上での分散変分不等式(VIs)を考察する。 我々は、完全に分散化された計算の設定を網羅する計算ネットワークについて、非常に一般的な仮定を行う。 理論的には, モノトン, モノトンおよび非モノトンセッティングにおける収束速度を理論的に解析する。
  論文  参考訳（メタデータ） (2021-06-15T17:45:51Z)
• Consensus Control for Decentralized Deep Learning [72.50487751271069]
  ディープラーニングモデルの分散トレーニングは、ネットワーク上のデバイス上での学習と、大規模計算クラスタへの効率的なスケーリングを可能にする。 理論上、トレーニングコンセンサス距離が重要な量よりも低い場合、分散化されたトレーニングは集中的なトレーニングよりも早く収束することを示す。 私たちの経験的な洞察は、パフォーマンス低下を軽減するために、より分散化されたトレーニングスキームの原則設計を可能にします。
  論文  参考訳（メタデータ） (2021-02-09T13:58:33Z)
• Decentralized Control with Graph Neural Networks [147.84766857793247]
  分散コントローラを学習するグラフニューラルネットワーク(GNN)を用いた新しいフレームワークを提案する。 GNNは、自然分散アーキテクチャであり、優れたスケーラビリティと転送性を示すため、タスクに適している。 分散コントローラの学習におけるGNNの可能性を説明するために、群れとマルチエージェントパス計画の問題を検討する。
  論文  参考訳（メタデータ） (2020-12-29T18:59:14Z)
• Graph Neural Networks for Decentralized Controllers [171.6642679604005]
  自律エージェントで構成される動的システムは、ロボット工学、スマートグリッド、スマートシティなど、多くの関連する問題に現れる。 最適な集中型コントローラは容易に利用できるが、スケーラビリティと実用的な実装の面で制限に直面している。 グラフニューラルネットワーク(GNN)を用いて,データから分散制御系を学習するフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-23T13:51:18Z)

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。