論文の概要: Decentralized Opinion-Integrated Decision making at Unsignalized Intersections via Signed Networks
- arxiv url: http://arxiv.org/abs/2604.09351v1
- Date: Fri, 10 Apr 2026 14:23:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-13 17:57:53.900026
- Title: Decentralized Opinion-Integrated Decision making at Unsignalized Intersections via Signed Networks
- Title（参考訳）: 符号付きネットワークによる非符号化区間における分散オピニオン分割決定
- Authors: Bhaskar Varma, Ying Shuai Quan, Karl D. von Ellenrieder, Paolo Falcone,
- Abstract要約: 交差調整のための閉ループ意見力学決定モデルを提案する。
車両は、競合トポロジに基づく通信ネットワークとコミットメント駆動の信条ネットワークという、二重署名ネットワークを介して意図を交換する。
その結果、衝突のない調整と、最初に提供されたものに比べて最終走行時間の短縮が示された。
- 参考スコア（独自算出の注目度）: 1.9459279387544572
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this letter, we consider the problem of decentralized decision making among connected autonomous vehicles at unsignalized intersections, where existing centralized approaches do not scale gracefully under mixed maneuver intentions and coordinator failure. We propose a closed-loop opinion-dynamic decision model for intersection coordination, where vehicles exchange intent through dual signed networks: a conflict topology based communication network and a commitment-driven belief network that enable cooperation without a centralized coordinator. Continuous opinion states modulate velocity optimizer weights prior to commitment; a closed-form predictive feasibility gate then freezes each vehicle's decision into a GO or YIELD commitment, which propagates back through the belief network to pre-condition neighbor behavior ahead of physical conflicts. Crossing order emerges from geometric feasibility and arrival priority without the use of joint optimization or a solver. The approach is validated across three scenarios spanning fully competitive, merge, and mixed conflict topologies. The results demonstrate collision-free coordination and lower last-vehicle exit times compared to first come first served (FCFS) in all conflict non-trivial configurations.
- Abstract（参考訳）: 本稿では,既存の集中型アプローチが混在した操作意図やコーディネータの故障の下で適切にスケールできないような,信号のない交差点における連結自動運転車間の分散意思決定の問題について考察する。
本稿では,両符号付きネットワークを通じて車両が意図を交換する交差点調整のための閉ループ意見力学決定モデルを提案する。
その後、クローズドフォームの予測可能性ゲートが各車両の判断をGOまたはYIELDのコミットメントに凍結し、信念ネットワークを通じて物理的衝突より前の隣の行動に伝播する。
交差順序は、共同最適化や解法を使わずに、幾何学的実現可能性や到着優先度から現れる。
このアプローチは、完全に競争力のある3つのシナリオ、マージ、混在するコンフリクトトポロジにまたがる3つのシナリオで検証されている。
その結果、衝突のないコーディネートと終車終了時間の低下が、衝突のないすべての非自明な構成で最初に提供されたFCFSと比較された。
関連論文リスト
- Distributed Online Submodular Maximization under Communication Delays: A Simultaneous Decision-Making Approach [6.522338519818377]
我々は、未知および動的環境における未来の分散情報収集タスクに動機付けられている。
オンラインサブモジュールのアプローチは、シーケンシャルなマルチホップ通信に依存するか、あるいは禁止的な遅延をもたらす。
我々は,対戦型学習のツールと遅延フィードバックを統合し,同時意思決定を可能にする分散オンライングリーディ(DOG)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2026-03-29T18:35:22Z) - TSC: Topology-Conditioned Stackelberg Coordination for Multi-Agent Reinforcement Learning in Interactive Driving [37.09409794849228]
トポロジ条件付きStackelberg Coordinationは、コミュニケーションフリー実行下での分散インタラクティブ運転のための学習フレームワークである。
TSCは,主要な指標をまたいだ代表的MARLベースラインよりも優れた性能を示す。
論文 参考訳（メタデータ） (2026-02-27T10:46:41Z) - A Secure and Private Distributed Bayesian Federated Learning Design [56.92336577799572]
DFL(Distributed Federated Learning)は、中央パラメータサーバを持たない大規模システム間の分散モデルトレーニングを可能にする。
DFLは、3つの重要な課題に直面している: 正直な隣人からのプライバシー漏洩、中央調整の欠如による収束の遅さ、モデルの精度の低下を目指すビザンティンの敵に対する脆弱性。
本稿では,ビザンチンの堅牢性,プライバシー保護,収束促進を統合した新しいDFLフレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-23T16:12:02Z) - QoS-Aware Hierarchical Reinforcement Learning for Joint Link Selection and Trajectory Optimization in SAGIN-Supported UAV Mobility Management [52.15690855486153]
宇宙空間統合ネットワーク (SAGIN) がユビキタスUAV接続を実現するための重要なアーキテクチャとして登場した。
本稿では,SAGINにおけるUAVモビリティ管理を制約付き多目的関節最適化問題として定式化する。
論文 参考訳（メタデータ） (2025-12-17T06:22:46Z) - Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [87.7482313774741]
コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。
本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
論文 参考訳（メタデータ） (2024-09-19T14:36:00Z) - Privacy Preserving Semi-Decentralized Mean Estimation over Intermittently-Connected Networks [59.43433767253956]
信頼できない無線ネットワークの異なるノードに分散するベクトルの平均をプライベートに推定する問題を考える。
半分散的なセットアップでは、ノードは隣人と協力してローカルコンセンサスを計算し、中央サーバにリレーする。
ノード間のデータ共有による協調中継とプライバシー漏洩のトレードオフについて検討する。
論文 参考訳（メタデータ） (2024-06-06T06:12:15Z) - A Cooperative Perception System Robust to Localization Errors [8.65435011972241]
我々はOptiMatchと呼ばれる分散オブジェクトレベルの協調認識システムを提案する。
検出された3Dバウンディングボックスと局所状態情報は、接続された車両間で共有される。
実験の結果,提案手法は最先端のベンチマーク融合方式よりも優れていた。
論文 参考訳（メタデータ） (2022-10-12T15:07:24Z) - Real-time Cooperative Vehicle Coordination at Unsignalized Road
Intersections [7.860567520771493]
信号のない道路交差点での協調作業は、連結車両と自動車両の安全運転交通スループットを向上させることを目的としている。
我々はモデルフリーなマルコフ決定プロセス(MDP)を導入し、深層強化学習フレームワークにおける双遅延Deep Deterministic Policy(TD3)に基づく戦略によりそれに取り組む。
提案手法は, 準定常調整シナリオにおいて, ほぼ最適性能を達成し, 現実的な連続流れの制御を大幅に改善できることが示唆された。
論文 参考訳（メタデータ） (2022-05-03T02:56:02Z) - Competing Adaptive Networks [56.56653763124104]
適応エージェントのチーム間での分散競争のためのアルゴリズムを開発する。
本稿では,生成的対向ニューラルネットワークの分散学習への応用について述べる。
論文 参考訳（メタデータ） (2021-03-29T14:42:15Z) - Learning Scalable Multi-Agent Coordination by Spatial Differentiation
for Traffic Signal Control [8.380832628205372]
交通信号制御のためのディープ強化学習法に基づくマルチエージェント協調フレームワークを設計する。
具体的には、リプレイバッファ内の時間空間情報を用いて各アクションの報酬を補正する調整のための空間差分法を提案する。
論文 参考訳（メタデータ） (2020-02-27T02:16:00Z)
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。