論文の概要: Resolving space-sharing conflicts in road user interactions through uncertainty reduction: An active inference-based computational model

• arxiv url: http://arxiv.org/abs/2604.19838v1
• Date: Tue, 21 Apr 2026 08:42:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.63812
• Title: Resolving space-sharing conflicts in road user interactions through uncertainty reduction: An active inference-based computational model
• Title（参考訳）: 不確実性低減による道路ユーザインタラクションにおける空間共有競合の解消:アクティブ推論に基づく計算モデル
• Authors: Julian F. Schumann, Johan Engström, Ran Wei, Shu-Yuan Liu, Jens Kober, Arkady Zgonnikov,
• Abstract要約: 本研究では,2つのエージェントの対話的動作をシミュレートするために,これまで開発されたアクティブな推論に基づく運転行動モデルを拡張する。 我々のモデルは相互作用の不確実性低減のための3つの相補的なメカニズムを捉えている。 単純化された交差点シナリオでは、規範的かつ明示的な通信手段が競合解決に成功する可能性を高めることが示される。
• 参考スコア（独自算出の注目度）: 10.803861180397776
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Understanding how road users resolve space-sharing conflicts is important both for traffic safety and the safe deployment of autonomous vehicles. While existing models have captured specific aspects of such interactions (e.g., explicit communication), a theoretically-grounded computational framework has been lacking. In this paper, we extend a previously developed active inference-based driver behavior model to simulate interactive behavior of two agents. Our model captures three complementary mechanisms for uncertainty reduction in interaction: (i) implicit communication via direct behavioral coupling, (ii) reliance on normative expectations (stop signs, priority rules, etc.), and (iii) explicit communication. In a simplified intersection scenario, we show that normative and explicit communication cues can increase the likelihood of a successful conflict resolution. However, this relies on agents acting as expected. In situations where another agent (intentionally or unintentionally) violates normative expectations or communicates misleading information, reliance on these cues may induce collisions. These findings illustrate how active inference can provide a novel framework for modeling road user interactions which is also applicable in other fields.
• Abstract（参考訳）: 道路利用者は、交通安全と自動運転車の安全な配置の両方において、スペースシェアリングの対立を解決する方法を理解することが重要である。 既存のモデルはそのような相互作用の特定の側面(例えば明示的なコミュニケーション)を捉えてきたが、理論的に基底的な計算フレームワークは欠けていた。 本稿では,これまで開発されたアクティブな推論に基づく運転行動モデルを拡張し,二つのエージェントの対話的動作をシミュレートする。 我々のモデルは、相互作用の不確実性低減のための3つの相補的なメカニズムを捉えている。 (i)直接的行動結合による暗黙のコミュニケーション (二)基準的期待(停止標識、優先規則等)及び (三)明示的なコミュニケーション。 単純化された交差点シナリオでは、規範的かつ明示的な通信手段が競合解決に成功する可能性を高めることが示される。 しかし、これは期待通りに行動するエージェントに依存している。 他のエージェント(意図的または意図的でない)が規範的な期待に反したり、誤った情報を伝える状況では、これらの手段への依存が衝突を引き起こす可能性がある。 これらの知見は,他の分野にも適用可能な,道路ユーザインタラクションをモデル化するための新しいフレームワークを提供する上で,アクティブ推論がいかに有効かを示す。

関連論文リスト

• Large Language Models for Pedestrian Safety: An Application to Predicting Driver Yielding Behavior at Unsignalized Intersections [5.913801021011149]
  大型言語モデル(LLM)は異種交通データからパターンを抽出するのに適しており、ドライバーと歩行者の相互作用の正確なモデリングを可能にする。 本稿では,GPT-4oが常に高い精度とリコールを達成するのに対して,Deepseek-V3は高精度であることを示す。
  論文  参考訳（メタデータ） (2025-09-24T00:25:19Z)
• A Unified Probabilistic Approach to Traffic Conflict Detection [3.1457219084519004]
  本研究では,交通競合検出に対する統一的確率論的アプローチを提案する。 提案手法は,道路ユーザインタラクションのコンテキスト依存的な極端なイベントとしてトラフィック競合を定式化する,トラフィック競合検出の統一的な枠組みを確立する。 この結果は、交通インフラや政策の安全性評価を強化し、自動運転車の衝突警告システムを改善し、安全クリティカルな相互作用における道路利用者の行動の理解を深める可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-15T17:55:36Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• 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)
• Domain Knowledge Driven Pseudo Labels for Interpretable Goal-Conditioned Interactive Trajectory Prediction [29.701029725302586]
  目標条件付きフレームワークを用いた共同軌道予測問題について検討する。 本研究では,条件付き変分自動エンコーダ(CVAE)モデルを導入し,異なる相互作用モードを潜在空間に明示的にエンコードする。 KLの消滅を回避する新しい手法を提案し、擬似ラベルを用いた解釈可能な対話型潜在空間を誘導する。
  論文  参考訳（メタデータ） (2022-03-28T21:41:21Z)
• A Utility Maximization Model of Pedestrian and Driver Interactions [5.02231401459109]
  本研究では,道路利用者間の対話行動の詳細を考慮し,実用性,運動プリミティブ,断続的行動決定の原則を適用したモデリングフレームワークを開発する。 これらの現象は、モデルがパラメータを進化させることによって、モデリングフレームワークから自然に現れることを示す。
  論文  参考訳（メタデータ） (2021-10-21T09:42:02Z)
• Congestion-aware Multi-agent Trajectory Prediction for Collision Avoidance [110.63037190641414]
  渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。 学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。 実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
  論文  参考訳（メタデータ） (2021-03-26T02:42:33Z)
• Learning to Communicate and Correct Pose Errors [75.03747122616605]
  本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。 本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-10T18:19:40Z)

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。